文章编号：1002-2082(2024)02-0405-10基于背景抑制和分类校正的小样本目标检测方法蔡伟，王鑫，蒋昕昊，杨志勇，陈栋（火箭军工程大学导弹工程学院，陕西西安710025）摘要：为进一步提升小样本条件下对空中来袭目标的检测识别成功率，提出一种基于背景抑制和分类校正的小样本目标检测方法。首先，针对空中来袭目标背景前景易混淆问题，在区域候选网络前端引入背景抑制模块，通过抑制背景特征和增强前景特征来减轻目标背景对检测的影响；其次，在背景抑制模块后插入特征聚合模块，聚焦目标特征，通过缓解小样本条件导致目标特征难提取、不明显的问题，校正网络模型的分类参数；最后，在检测头网络中引入对比分支，增强了类别内相似性和类别间独特性，缓解来袭目标“类间相似性高，类内差异性大”的问题，实现了对网络分类的进一步校正。实验结果表明，所提出的算法在1、2、3、5、10shot实验中均表现最佳，平均精度分别达到28.3%、32.8%、39.9%、42.9%和56.2%，提升了小样本空中来袭目标的检测性能。关键词：小样本目标检测；空中来袭目标；背景抑制；分类校正；深度学习中图分类号：TN219文献标志码：ADOI：10.5768/JAO202445.0203002FewshottargetdetectionmethodbasedonbackgroundsuppressionandclassificationcorrectionCAIWei，WANGXin，JIANGXinhao，YANGZhiyong，CHENDong（SchoolofMissileEngineering,RocketMilitaryEngineeringUniversity,Xi'an710025,China）Abstract：Tofurtherimprovethesuccessrateofdetectingandidentifyingairbornetargetsunderfewshotconditions,afewshottargetdetectionmethodbasedonbackgroundsuppressionandclassificationcorrectionwasproposed.Firstly,aimingattheproblemthatthebackgroundforegroundofincomingairtargetswaseasytoconfuse,abackgroundsuppressionmodulewasintroducedinthefrontendoftheregionalcandidatenetwork,whichenhancedtheforegroundfeaturesbysuppressingthebackgroundfeaturesandreducedtheinfluenceofthetargetbackgroundondetection.Secondly,thefeatureaggregationmodulewasinsertedafterthebackgroundsuppressionmoduletofocusonthetargetfeatures,andtoalleviatetheproblemthatthetargetfeaturesweredifficulttoextractandnotobviousduetofewshotconditions,soastocorrecttheclassificationparametersofthenetworkmodel.Finally,acontrastbranchwasintroducedintothedetectionh...
