基于元学习的小样本遥感图像目标检测

面向小样本条件下的遥感图像目标检测任务,提出一种基于元学习的小样本遥感图像目标检测算法。针对遥感图像中目标尺度变化大、小样本条件下目标与背景易混淆的问题,在特征提取部分将单尺度重加权拓展为多尺度重加权模块,充分引入支持样本的先验知识以适应不同目标的尺度变化;为解决遥感图像目标类间相似性和类内差异性的问题,利用目标对于场景的依赖性设计了场景修正模块,对检出目标类别进行修正,并引入边际损失对特征空间内不同目标的特征分布进行约束。实验结果表明:所提算法在10样本任务设定上获得了较高的检测性能,在NWPU VHR-10和DIOR数据集新类别上的平均精度(mAP)分别达到了64.18%和37.27%。