一种基于开放环境的零样本目标检测算法

本发明公开一种开放环境零样本目标检测方法，结合ViT与GANs构建双分支架构。传统方法因依赖人工标注或弱泛化模型，在动态场景中检测精度不足。该方法通过ResNet分流图像：上分支集成区域建议网络(ARPN)和辅助定位网(ARPN)定位并计算回归损失；下分支ViT的倒数第二注意力头分类，另一路聚类后输入基于GANs的师生网络优化参数。该方法通过联合回归损失与分类损失完成端到端训练，显著提升检测效率。创新性提出开放环境专用数据集构建方法及多尺度数据增强策略，强化模型对复杂背景的适应性。相较于传统技术，本方案突破零样本场景检测精度瓶颈，为开放环境目标检测提供新范式。