聚合变分原型的少样本目标检测方法

摘要

为缓解基类和新类之间的数据不平衡问题，提出一种基于聚合变分原型的少样本目标检测方法。该方法同时训练基类和新类数据，将基类统计特征引入先验变分自编码器，得到具有较强表达能力的新类聚合原型，同时融合类别语义信息引导，进一步增强特征的语义表达。在Pascal VOC和MS COCO数据集上的实验结果表明，与当前最先进的基于元学习的少样本目标检测方法相比，本文方法在所有测试设置中都达到了最好结果。

关键词

自编码器 / 先验变分特征 / 少样本目标检测 / 机器视觉