一种高效尺度感知的小样本目标检测方法

本发明涉及一种高效尺度感知的小样本目标检测方法，包括：获取用于模型训练的数据集，并划分为基类数据集和新类数据集；从新类数据集构建不同样本数量的小样本数据集；构建高效尺度感知的小样本目标检测模型，其包括采用高效尺度感知模块ESA重构的特征提取网络、两个梯度解耦层GDL、引入强化三重注意力机制ETA的候选框生成网络RPN、区域卷积网络RCNN、引入原型校准模块PCB的分类器和回归器；采用基于迁移学习策略的两阶段微调方法对小样本目标检测模型进行训练；通过两阶段训练将从基类数据中提取到的先验知识迁移到新类的目标检测中；通过训练好的小样本目标检测模型进行小样本目标检测。该方法有利于提高复杂背景和尺度变化情况下小目标检测的精度。