一种基于特征矫正的目标检测方法

本发明涉及一种基于特征矫正的目标检测方法，通过构建仅考虑基类到新类之间关系的Base‑Novel图卷积网络，利用不同类别对之间的信息传递来增强新类特征。为了避免引入由基类极端样本产生的噪声，运用聚类算法精选出具有代表性的基类特征，这些基类特征与新类特征共同作为Base‑Novel图卷积网络的输入。网络的邻接矩阵则是基于类别对计算的余弦相似性矩阵构建而成。进行实验与现有方法进行了全面对比，结果表明，通过结合使用聚类算法和基于类间相似性的Base‑Novel图卷积网络，可以有效地使用相似的基类原型来增强新类特征，进而显著提升模型的检测性能。