-
题名融合二阶池化注意力的类边界均衡小样本红外目标检测
- 1
-
-
作者
司起峰
刘刚
徐红鹏
陈会祥
-
机构
河南科技大学信息工程学院
-
出处
《计算机工程与应用》
北大核心
2025年第10期279-287,共9页
-
基金
国家留学基金(留金项[2022]20号)
河南省高等学校重点科研项目(21A520012)。
-
文摘
针对红外目标检测存在复杂背景干扰下已有的小样本目标检测模型无法充分挖掘支持信息,导致检测性能下降的问题,提出了融合二阶池化注意力的类边界均衡小样本目标检测算法。类边界均衡算法通过类边界对抗最小-最大正则化来实现新类之间边界平衡,解决了小样本目标检测任务中由于基类和新类特征原型分布混乱造成的检测性能下降的问题。但是由于复杂背景干扰,类边界均衡算法直接用于红外目标检测无法充分利用支持集图像的有效信息。提出二阶池化注意力机制来抑制背景干扰,增强对支持图像有效信息的学习,进而加强利用支持信息对查询信息调节的功能。该机制沿通道维度计算输入特征图各个通道之间的协方差,来获取各个通道之间的统计依赖性,进而捕获重要通道的高阶特征信息。同时沿通道维度计算输入特征图各个通道的标准差,并将两个通道的协方差除以两个通道的标准差以减弱噪声对协方差估计的影响,增强协方差计算的准确性。在类边界均衡算法权重模块中融入二阶池化注意力机制,来引导检测算法将特征学习聚焦在目标及其邻域,并抑制复杂背景的干扰。实验结果表明,相对于经典算法,提出的小样本目标检测算法在10-shot任务上获得了最佳性能,在自制的红外目标数据集的新类别上的mAP达到了56.4%。
-
关键词
红外目标检测
小样本
类边界均衡
二阶池化注意力
协方差
-
Keywords
infrared object detection
few-shot
class margin equilibrium
second-order pooling attention
covariance
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
