[发明专利]基于权重生成的增量式小样本目标检测方法及系统

权利要求书

1.一种基于权重生成的增量式小样本目标检测方法，其特征在于，该方法包括：

基于获取的待检测图像，通过构建并训练好的用于基础类别和新类别目标检测的目标检测器进行前向推理的目标检测，获得目标检测结果；

其中，所述用于基础类别和新类别目标检测的目标检测器，其构建及训练方法为：

步骤S10，获取增量式小样本目标检测任务的样本数据集；所述样本数据包括基础类别样本集和新类别样本集；

步骤S20，构建目标检测器，并基于所述基础类别样本集，通过标准监督方法进行所述目标检测器的训练，获得基础类别目标检测器；

步骤S30，对于所述新类别样本集的每一个新类别样本，通过所述基础类别目标检测器的FPN网络提取尺度感知区域特征图，并基于所述尺度感知特征图提取中心度感知区域特征图；

步骤S40，对所述新类别样本集中每一个新类别样本的中心度感知区域特征图进行平均，获得新类别的最终代表性区域特征图；

步骤S50，基于所述新类别的最终代表性区域特征图，获得所述基础类别目标检测器对区域特征的基础类别响应：

其中，为进行通道的卷积核获得的基础类别目标检测器的各基础类别分类权重，为基础类别的数量，代表基础类别响应，代表第个新类别的最终代表性区域特征图，代表卷积运算，分别代表第个新类别的最终代表性区域特征图在基础类别上的响应值；

进行基础类别权重组合生成新类别权重：

其中，代表第个新类的新类别权重，代表第个基础类别分类权重，代表第个基础类别响应，代表基础类别响应的L2范数；

步骤S60，基于所述新类别权重进行所述基础类别目标检测器的微调，获得用于基础类别和新类别目标检测的目标检测器。

2.根据权利要求1所述的基于权重生成的增量式小样本目标检测方法，其特征在于，所述基础类别目标数据集和新类别目标数据集，分别表示为：

其中，和分别代表基础类别目标数据集和新类别目标数据集，基础类别目标数据集中第个数据，为的标签，为基础类别目标数据集中数据的总数量，代表新类别目标数据集中第个数据，为的标签，为新类别目标数据集中数据的总数量，。

3.根据权利要求1所述的基于权重生成的增量式小样本目标检测方法，其特征在于，步骤S30中通过所述基础类别目标检测器的FPN网络提取尺度感知区域特征图，其方法为：

其中，代表新类别样本的尺度感知特征图，代表第个新类别样本的尺度，代表第个新类别样本的宽度和高度，为代表FPN层级的整数。

4.根据权利要求3所述的基于权重生成的增量式小样本目标检测方法，其特征在于，所述中心度感知区域特征，其获取方法为：

步骤S311，对于所述新类别样本集中每一个新类别样本，基于该新类别样本的真值边界框，生成模型中心感知权重；

步骤S312，基于所述模型中心感知权重，结合该新类别样本的尺度感知特征图，获得该新类别样本的中心度感知区域特征图。

5.根据权利要求4所述的基于权重生成的增量式小样本目标检测方法，其特征在于，所述中心感知权重，其计算方法为：

将新类别样本的特征的宽高记为，并计算空间中任一个像素位置的掩码标量：

其中，、、、分别代表从当前位置到目标区域边界的距离，代表求最小值操作，代表求最大值操作，代表相乘；

遍历所述空间中每一个像素位置，获得对应的标量构成的掩码矩阵；

将所述掩码矩阵沿第三维通过广播方式复制，获得掩码张量作为中心感知权重；代表第个新类的第个样本。

6.根据权利要求5所述的基于权重生成的增量式小样本目标检测方法，其特征在于，步骤S312包括：

其中，代表第个新类的第个样本的中心度感知区域特征，代表逐像素相乘，代表第个新类的第个样本的尺度感知特征图。