MSA-Net:一种基于多阶段注意力机制的少样本目标检测方法
![](http://img.resource.qikan.cn/qkimages/gxyq/gxyq202306/gxyq20230603-1-l.jpg)
打开文本图片集
摘要:近年来,样本较少场景下的目标检测引起了广泛的关注。由于少样本提供的信息有限,大部分少样本目标检测模型采用改进的 Faster RCNN 检测框架进行研究。但由于 FasterRCNN 框架中潜在的模块矛盾问题,现有的少样本目标检测模型的特征捕捉和分类的能力有待提高。为解决以上问题,以 Faster RCNN 框架为基础,加入了梯度反传解耦机制,缓解在反向传播过程中,RPN 和 RCNN 的冲突对主干网络的负面影响。(剩余15007字)
网站仅支持在线阅读(不支持PDF下载),如需保存文章,可以选择【打印】保存。