基于改进TFA的小样本目标检测算法

摘要

针对小样本目标检测通常面临特征提取不充分和过拟合等问题，对迁移学习范式算法TFA进行了改进.结合RPN网络与CA注意力机制，组成新的CA-RPN网络，以增强特征的表达能力，从而有效解决了特征提取不充分问题；使用Cascade R-CNN级联结构，通过级联3个具有不同IoU阈值的检测器和Cascade回归重采样机制有效解决了错配及过拟合问题，进而提高了检测性能.利用PASCAL VOC数据集进行实验，结果表明1-Shot平均精确度较原算法的提高了2.7%,2-Shot平均精确度较原算法的提高了5.3%,该算法对小样本数据检测效果提升较为显著.

关键词

目标检测 / 小样本学习 / TFA / CA注意力机制 / Cascade R-CNN