基于Faster RCNN改进的少样本目标检测方法

摘要

本发明提供一种基于FasterRCNN改进的少样本目标检测方法。本发明在传统目标检测框架FasterRCNN的基础上，结合CBAM注意力模块、全局‑局部关系检测器以及基于余弦Softmax损失的分类器对FasterRCNN进行了深度优化和改进，使其有利于少样本目标检测。本发明将CBAM注意力模块与FasterRCNN中的RPN网络相结合形成了基于注意力机制的CBAM‑Attention‑RPN网络，有助于生成特定类别的候选框，提高后续网络的精度。本发明提出了全局‑局部关系检测器，利用全局关系和局部关系两种关系对支持图像特征和查询图像特征进行特征匹配，有助于得到与目标类别更相关的候选框。本发明提出了基于余弦Softmax损失的分类器作为分类分支，有助于降低类内方差，提高新类的检测精度。