一种基于深度神经网络的小样本图像目标计数方法

专利主权项内容

1.一种基于深度神经网络的小样本图像目标计数方法，其特征在于，包括下列步骤：步骤1，对输入的查询图像和支持图像进行图像预处理；步骤2，使用预训练的骨干网络对图像预处理后的支持图像和查询图像进行多级特征提取，分别得到每级尺度下的支持图像特征和查询图像特征/>，其中，下标i为尺度区分符；步骤3，将步骤2提取的支持图像特征和查询图像特征/>送入特征交互模块，得到类未知匹配特征；步骤4，将类未知匹配特征送入解码器，输出预测密度图；步骤5，在初训练阶段，基于预测密度图和密度图标签的密度预测损失对骨干网络、特征交互模块和解码器组成的密度模型进行网络参数更新，得到初训练好的密度模型；步骤6，在迁移训练阶段，迭代使用密度图峰值查找算法查找预测密度图的图像目标区域并计算迁移损失，对初训练好的密度模型的解码器进行迁移学习，得到用于目标域图像的密度模型，以基于该密度模型输出的预测密度图获取目标域的查询图像的目标类别实体的密度分布估计和计数。