MSA-Net:一种基于多阶段注意力机制的少样本目标检测方法

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。