(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210340717.5 (22)申请日 2022.03.31 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 董乐　张宁　何腾洋　 (74)专利代理 机构 成都弘毅天承知识产权代理 有限公司 5123 0 专利代理师 岳子强 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于双分支区域建议网络的小样本目 标检测方法 (57)摘要 本发明公开了一种基于双分支区域建议网 络的小样 本目标检测方法， 涉及模式识别与信息 处理技术领域， 将数据集划分为基类图像和新类 图像， 构建finetune集； 将基础特征图送入到双 分支区域建议网络中， 上分支提取图像内可能包 含物体的极值特征、 下分支提取图像内可能包含 物体的主要类别特征， 然后进行聚合后与原输入 基础特征图进行残差连接， 获取到图像的聚合语 义特征， 送入边界框回归网络和前背景判定网络 以获得前景建议框的位置； 并利用建议框池化将 不同大小的建议框基础特征池化为同样大小的 建议框特征图， 送入边界框精 修网络和类别判定 网络以获得物体的精确位置和类别； 利用 Finetune集进行微调； 能够提取到高维语义信 息。 权利要求书2页 说明书5页 附图1页 CN 114743045 A 2022.07.12 CN 114743045 A 1.一种基于双分支区域建议网络的小样本目标检测方法， 其特征在于， 所述目标检测 方法包括以下步骤： S1： 将数据集划分为类别不相交的基类图像和新类图像， 并在新类中抽取N个类别， 每 个类别抽取 K个图像， 分别构建fi netune集， N、 K均为大于零的自然数； S2： 采用ResNet ‑101深度残差卷积神经网络作为主干特征提取器来对输入的基类图像 进行特征提取， 得到基础特 征图； S3： 将基础特征图送入到双 分支区域建议网络中， 首先通过一个卷积模块， 然后将卷积 后的特征图从计算图上分离， 并利用上分支提取图像内可能包含物体的极值特征、 下分支 提取图像内可能包含物体的主要类别特征， 然后进行聚合后与 原输入基础特征图进行残差 连接， 获取到图像的聚合语义特征， 将聚合语义特征送入边界框回归网络和前背景判定网 络以获得 前景建议框的位置； S4： 根据获取的前景建议框位置在基础特征图上裁剪出图像的原始特征， 并利用建议 框池化将不同大小的建议框基础特征池化为同样大小的建议框特征图， 然后将建议框特征 图送入边界框精修网络和类别判定网络以获得物体的精确位置和类别； S5： 将在基类训练好的模型， 利用Finetune集进行微调， 微调的方式同步S2 ‑S4的训练 过程。 2.根据权利要求1所述的一种基于双分支区域建议网络的小样本目标检测方法， 其特 征在于， 所述双分支区域建议网络构建包括以下步骤： S31:将主干特征提取器提取的特征图通过一个3 ×3卷积层扩大感受野， 然后将特征图 的张量从计算图中取 出； S32:上分支将获得的特征向量通过两个DeCBL模块对物体的极值特征进行提取， DeCBL 模块采用一个3 ×3的可形变卷积、 Batc hNorm、 Leaky  ReLU模块串联构成； S33:下分支将获得的特征向量先通过一个卷积核大小1 ×5的CBL模块， 然后通过一个 卷积核大小5 ×1的CBL模块对物体的主要类别特征进行提取， CBL模块采用一个普通卷积、 BatchNorm、 Leaky  ReLU模块串联构成； S34:将上分支、 下分支所得的不同特征进行深度上的相加， 将相加后的特征图进一步 通过一个CBL模块， 然后与双分支区域建议网络的输入特 征进行融合； S35:根据计算出来的融合特征， 通过1 ×1×1的前景分类分支计算出目标的类别得分， 然后结合 1×1×4的回归分支输出的位置坐标来确定 建议框的类别和位置， 然后进 行筛选、 非极大值抑制、 采样， 生成最终的建议框并输入区域建议池化网络 。 3.根据权利要求1所述的一种基于双分支区域建议网络的小样本目标检测方法， 其特 征在于， 训练阶段和微调阶段包括以下步骤： 在训练阶段， 特征提取器除最后两层特征外参数均被冻住， 模型的其他部分均随机初 始化， 并进行前向传播和反向传播， 当基类训练完成后， 手动移除类别判定网络的最后一 层， 并重新保存预训练模型权 重； 在微调阶段， 加载重新保存的预训练模型权重， 然后整个特征提取器被冻住， 由于基类 训练完成后预训练模型中类别判别网络的最后一层被移除， 故在微调阶段该模块被随机初 始化。 4.根据权利要求1所述的一种基于双分支区域建议网络的小样本目标检测方法， 其特权　利　要　求　书 1/2 页 2 CN 114743045 A 2征在于， N ＝1,5,10； K＝1,2,3,5,10,3 0。权　利　要　求　书 2/2 页 3 CN 114743045 A 3