结构引导少样本检测网络

该网络利用目标结构信息来获取更丰富的判别特征，从而在仅少量标注样本的情况下提升新类别的检测能力。

Jingkai, Ma · 白双

IEEE Transactions on Circuits and Systems for Video Technology 2024

参数信息

检测性能提升

13.8 %

平均检测性能提升

4.8 %

技术优势

提取结构信息增强判别性

通过多频率结构特征模块提取目标的高度判别性结构信息，增强目标特征的判别性，从而在少样本条件下更好地区分类别。

利用显著性信息抑制背景干扰

显著性信息增强模块利用显著性信息增强目标相关的结构特征，同时抑制背景干扰，使特征更专注于目标本身。

软余弦分类器提取一致判别信息

基于软余弦相似度的新分类器在支持与查询特征之间提取一致的判别信息，提高对目标的区分能力。

大幅超越现有方法

在PASCAL VOC上超越强基线最高达13.8%，在MS COCO上超越先前最优方法平均4.8%，性能提升显著。

应用场景

• 具身智能：让机器人在新场景中仅凭少量样本快速学会检测新物体。
• 先进机器人：为机器人视觉提供少样本快速适配能力，适应动态环境。
• 生化传感：在标注样本稀缺的生化检测中，可快速识别新出现的细胞、微生物等目标。