协同注意力少样本检测器

小样本高精度定位

通过背景衰减与空间感知的协同注意力提升目标定位精度，结合对比学习分支逐步增强小样本下的分类判别能力。

Lian, Zhou · He, Chu · Wang, Dingwen · Ziqi, Guo

Journal of Remote Sensing 2024

技术优势

定位更准

背景衰减与空间感知注意力让网络聚焦目标相关区域，RPN生成改进的建议框，从而减少漏检。

分类更可靠

对比学习分支通过联合训练逐步将特征学习迁移至分类器学习，提升分类精度。

少样本也有效

采用微调迁移学习范式，先利用充足基类样本学习类无关参数，再用小样本数据集微调自适应特定目标。

应用场景

• 遥感图像处理：在小样本条件下实现高精度目标检测，无需大量标注数据。
• 智能监测系统：快速部署特定目标检测，适应监测场景中的少量样本需求。
• 机器人环境感知：提升机器人在未知环境中的目标定位与分类能力。