一种基于对抗学习的小样本跨域目标检测方法

本公开提供了一种基于对抗学习的小样本跨域目标检测方法。首先利用源域数据和部分目标域数据构建训练集；通过在基准网络上引入对抗学习分支实现源域和目标域的特征分布对齐，从而改进目标检测网络模型；对抗学习分支输出样本属于源域或是目标域的域类别检索结果；在设计总损失函数中加入了特征提取器的特征度量损失和对抗学习分支的域分类损失；采用训练集和损失函数对上述改进后的网络模型进行训练。本发明引入了对抗学习策略和特征度量损失，以有效执行小样本目标检测任务，提高了模型的泛化能力，检测准确性高、效率高。