计算机工程

作者：谢斌红, 石宇飞, 张睿, 张英俊

单位：太原科技大学计算机科学与技术学院, 山西 太原 030024

关键词：目标检测,小样本学习,元学习,查询引导原型,语义增强

基金：山西省基础研究计划面上项目(20210302123216); 吕梁市引进高层次科技人才重点研发项目(2022RC08); 山西省产教融合研究生联合培养示范基地项目(2022JD11)

针对元学习范式中原型关键信息欠缺、对查询图像适应性不足以及检测器对新类方差敏感导致误分类问题, 提出一种基于查询引导策略和语义增强机制的小样本目标检测(FSOD)方法。查询引导模块(QGM)通过学习查询与支持特征之间的相关性, 将查询感知信息有条件地耦合到支持特征中, 旨在为每个查询图像生成特定且具有代表性的原型。而视觉语义增强模块(VSEM)从文本语义信息中蒸馏与新类视觉特征相匹配的知识, 并自适应地对这些特征增强, 提高其可判别性, 缓解方差敏感, 以更好地分类。此外, 将分类和回归任务解耦, 在分类分支上执行语义增强, 以促进模型对目标语义的理解。实验结果表明, 相较于目前已知最新的SMPCCNet方法, 所提出方法在PASCAL VOC数据集上的新类平均精度(nAP)提升了2.2百分点, 在MS COCO数据集上的平均精度(AP)提升了1.0百分点, 证明了其有效性。

来源：2026年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第3期