原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于元学习框架的少样本目标图像检测方法。该方法包括：获取基类图像数据和新类图像数据；基于元学习框架构建少样本目标图像检测网络模型，对少样本目标图像检测网络模型进行元训练和元微调；获取少样本待检测图像数据，并根据少样本待检测图像数据和元微调后的少样本目标图像检测网络模型，确定图像检测结果。本发明通过在支持图像分支中应用了样本归一化方法，以获得相对一致的输入，以减弱元微调过程中训练数据和测试数据之间的数据量差距以及基类图像和新类图像之间的数据量差距，并在最终检测之前应用Z‑Score
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117830763A
(43)申请公布日2024.04.05
(21)申请号202410009600.8
(22)申请日2024.01.03
(71)申请人四川大学
文档评论（0）