MSA-Net:一種基于多階段注意力機(jī)制的少樣本目標(biāo)檢測方法

打開文本圖片集

摘要：近年來，樣本較少場景下的目標(biāo)檢測引起了廣泛的關(guān)注。由于少樣本提供的信息有限，大部分少樣本目標(biāo)檢測模型采用改進(jìn)的 Faster RCNN 檢測框架進(jìn)行研究。但由于 FasterRCNN 框架中潛在的模塊矛盾問題，現(xiàn)有的少樣本目標(biāo)檢測模型的特征捕捉和分類的能力有待提高。為解決以上問題，以 Faster RCNN 框架為基礎(chǔ)，加入了梯度反傳解耦機(jī)制，緩解在反向傳播過程中，RPN 和 RCNN 的沖突對主干網(wǎng)絡(luò)的負(fù)面影響。（剩余15007字）