一种基于YOLOv5的小样本目标检测模型 |
| |
引用本文: | 侯玥,王开宇,金顺福.一种基于YOLOv5的小样本目标检测模型[J].燕山大学学报,2023(1):64-72. |
| |
作者姓名: | 侯玥 王开宇 金顺福 |
| |
作者单位: | 燕山大学信息科学与工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(61872311); |
| |
摘 要: | 深度学习技术在目标检测领域取得了显著的成果,但是相关模型在样本量不足的条件下难以发挥作用,借助小样本学习技术可以解决这一问题。本文提出一种新的小样本目标检测模型。首先,设计了一种特征学习器,由Swin Transformer模块和PANET模块组成,从查询集中提取包含全局信息的多尺度元特征,以检测新的类对象。其次,设计了一种权重调整模块,将支持集转换为一个具有类属性的权重系数,为检测新的类对象调整元特征分布。最后在ImageNet-LOC、PASCAL VOC和COCO三种数据集上进行实验分析,结果表明本文提出的模型在平均精度、平均召回率指标上相对于现有的先进模型都有了显著的提高。
|
关 键 词: | 小样本 目标检测 Swin Transformer 通道注意力机制 YOLOv5 |
|
|