小样本检测降混淆
该策略引入基于分类器梯度的对抗样本生成方法CL-FGSM，通过在高层次特征空间注入对抗扰动，迫使检测器学习更具判别力的类别特征，从而校准基类与新类之间的决策边界，有效缓解小样本目标检测中的类别混淆问题。
Tianxu, Wu · Xin, Zhimeng · 陈使明 · 邹逸雄 · 尤新革
IEEE Transactions on Circuits and Systems for Video Technology 2025
通过对抗扰动迫使分类器学习更具判别力的类特有特征，从而在基类与新类之间建立更准确的决策边界。
AFT作为一种训练策略，可即插即用地应用于现有小样本检测器，无需修改网络结构。