结合多尺度上下文信息的唐卡小样本目标检测

摘要：

通过对图像中感兴趣的对象进行分类与定位,能够帮助人们理解唐卡图像丰富的语义信息,促进文化传承.针对唐卡图像样本较少,背景复杂,检测目标存在遮挡,检测精度不高等问题,本文提出了一种结合多尺度上下文信息和双注意力引导的唐卡小样本目标检测算法.首先,构建了一个新的多尺度特征金字塔,学习唐卡图像的多层级特征和上下文信息,提高模型对多尺度目标的判别能力.其次,在特征金字塔末端加入双注意力引导模块,提升模型对关键特征的表征能力,同时降低噪声的影响.最后利用Rank&Sort Loss替换交叉熵分类损失,简化模型训练的复杂度并提升检测精度.实验结果表明,所提出的方法在唐卡数据集和COCO数据集上的10-shot实验中,平均检测精度分别达到了19.7％和11.2％.

关键词：唐卡、小样本目标检测、上下文信息、多尺度特征、双注意力机制

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家民委创新团队计划;西北民族大学双一流;特色发展引导专项资金资助项目

在线出版日期：2023-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1859-1869