一种面向稀缺样本场景基于原型网络特征增强的小样本目标检测方法

本发明一种基于原型网络特征增强的小样本目标检测方法，本发明首先采用前景特征聚合模块，在类别原型构造过程中去除冗余背景信息，提取更加纯净的类别特征。再利用条件信息耦合模块，结合查询图像的特征动态调整类别原型，使其更具适应性。然后，在训练过程中通过支持样本扩展模块，动态补充最相似的支持样本，提高类别原型的表达能力，增强模型的泛化性能。最后，采用基于元学习的优化策略，结合分类损失、回归损失及元损失的联合优化方式，提高类别原型的匹配精度。本发明的优点在于在不增加额外数据标注成本的情况下，提高了小样本目标检测的检测精度和泛化能力，适用于多种应用场景。