来源：期刊VIP网 时间：
作者：李思溢;杨军;
单位：兰州交通大学测绘与地理信息学院;兰州交通大学电子与信息工程学院;
摘要：针对传统的遥感影像少样本目标检测模型因新类与基类数量设置不平衡导致在新类上检测效果不佳的问题，提出一种改进的基于元学习的遥感影像少样本目标检测模型：通过设计变分特征模块将支持集支持向量转化为类别概率分布，从中提取的变分特征可以弥补新类样本不足的缺陷，从而有效提高模型对新类和基类的鉴识能力；在训练过程中结合变焦点损失函数，降低遥感影像中复杂的背景信息对前景目标的干扰，并引入目标的置信度分数帮助模型更好地检测目标。在10-shot任务设定中，本算法与Meta-RCNN方法相比，在NWPU VHR-10.v2和DIOR数据集上检测新类的mAP分别提升了7.1%和6.0%。实验结果表明，本文算法对基类和新类的检测结果优于已有的同类算法。
关键词：遥感影像;;目标检测;;少样本学习;;变分特征
基金资助：国家自然科学基金项目(42261067);; 2025年度甘肃省重点人才项目(2025RCXM031)
