公开(公告)号：CN119649136A

公开(公告)日：2025-03-18

申请号：CN202411800077.7

申请日：2024-12-09

Applicant: 华中科技大学

Inventor： 李国徽 ,  胡采瑄 ,  潘鹏 ,  袁凌

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明公开了一种小样本图像检测模型的训练方法和图像检测方法，属于深度学习技术领域，所述基类训练方法包括：利用支持图像集、已打标的查询图像和类中各个目标类别训练原始图像检测模型直至总损失达到收敛，得到基类图像检测模型；将支持特征和目标类别的语义嵌入输入变分自编码器，相比于特定类的支持特征和重构特征，VAE中间过程的潜在向量包含了更多类原型的一般特征；从分布中采样具有包含语义信息的潜在向量并将其与查询特征进行特征聚合，从而使估计的新类中心更接近真实的类中心；此外以VAE中的重构损失、KL散度、分类损失、回归损失以及语义一致性损失构成总损失，可以较大程度地提升训练精度。