一种基于高质量合成图像数据的小样本目标检测方法

本发明属于机器学习与目标检测技术领域，公开了一种基于高质量合成图像数据的小样本目标检测方法，用于提升小样本目标检测模型的性能。该方法利用图像分割基础模型对生成的目标图像进行前景和背景的解耦，并通过分数阈值筛选策略选择高质量的前景来与合适的基类图像进行重组，从而得到多样性的合成训练数据。相比与传统的数据增强方法或随机合成方法，该方法能够解决数据不足的问题，并有效地提升模型对新类别目标的检测能力。本发明可以提高模型的泛化能力，可以优化合成数据的质量，可以灵活适配多种模型，显著提升小样本和极小样本情况下的检测精度。