一种基于多层次相似性转移和自适应融合数据增强的小样本目标检测方法

本文提出了一种新颖的基于相似性转移的小样本目标检测方法，该方法可有效利用不同类别间的相关性。具体而言，首先利用自适应融合数据增强策略，增强新类样本多样性，进一步缓解假阳性问题。然后利用类别间浅层视觉知识和深层特征知识的相似性转移，缓解假阳性新类样本问题；实验结果表明，该方法在小样本目标检测任务中表现良好，与现有方法相比具有较强的竞争力。