通过选择性重组与变异生成高质量正样本候选，显著提升少拍目标检测性能。
Zhao, Xiaowei · 刘祥龙 · Ma, Yuqing · Bai, Shihao · Yifan, Shen · Zeyu, Hao · 刘艾杉
IEEE Transactions on Multimedia 2023
选择性重组模块（SRM）从基类中筛选并重组相关类别，实例化出多样的个体，从而确保正样本提案的多样性。
变异区域候选网络（MRPN）根据新样本的独有特征调整在基类上训练得到的参数，以准确定位正样本提案。
在多个常用数据集上，TeSNet 以较大优势超越基线方法，达到最先进结果。