AI钱塘论坛（第37期）
n 主题：基于小样本学习的目标检测算法研究
时间：2025年11月7日13：00
地点：科技馆五楼会议室
主持人：郑博仑
张汶汶博士
研究方向主要聚焦于基于小样本学习的视觉目标感知算法，针对机器学习中的数据稀缺问题进行了深入探索，在小样本学习与目标检测领域取得了重要进展。于2025年6月博士毕业于浙江大学信息与电子工程学院，获评浙江大学优秀毕业生。曾赴新加坡科技研究局（A*STAR）开展为期一年的学术交流访问，曾赴加拿大参加国际学术会议。迄今以第一作者发表论文五篇，其中包括CCF-A类顶级会议论文一篇、SCI一区Top期刊论文一篇、SCI二区Top期刊论文二篇及中国科技核心期刊论文一篇，另有一篇SCI一区Top期刊论文正在审稿中。博士期间，参与了基于模板引导的刀粒表面缺陷高分辨在线自动检测系统项目。
报告摘要：基于深度学习的目标检测技术是计算机视觉领域的核心研究方向，在自动驾驶、医疗影像分析和智慧工业等领域展现出广泛的应用前景。然而，这类算法通常依赖大规模标注数据进行训练，而高质量标注数据的获取成本高昂且耗时，对数据的高度依赖限制了现有方法的适应性与推广能力。因此，在小样本数据条件下，实现具备高泛化能力的目标检测技术，已成为学术界与工业界共同关注的关键问题。本报告聚焦于基于小样本学习的目标检测算法研究，旨在实现具有新类别高泛化性和鲁棒性的小样本目标检测技术，从而减少对大规模标注数据的依赖。本报告重点探讨跨图像对之间的尺度差异、空间错位及语义差距问题，以及模型对基类的偏向和在新类目标，尤其是小目标上的泛化能力不足等挑战。本报告分别从优化尺度与空间对齐、构建无偏模型、挖掘自引导机制以及融合多任务视觉感知等方面出发，提出相应的解决方案，以全面提升模型在小样本场景下的检测性能。本报告的研究具有广泛的应用潜力，可深度赋能自动驾驶、智能安防、智能制造等领域，为目标检测技术在复杂真实场景中的落地与推广提供了强有力的理论支撑和技术保障。