画像中の関心対象を分類および位置特定することで、人々がタンカ画像の豊富な意味情報を理解し、文化の継承を促進することができます。タンカ画像のサンプルが少なく、背景が複雑で、検出対象が遮蔽される問題や検出精度が低い問題に対して、本論文では多尺度の文脈情報と二重注意機構を組み合わせたタンカ小サンプル対象検出アルゴリズムを提案します。まず、新しい多尺度特徴ピラミッドを構築し、タンカ画像の多層特徴と文脈情報を学習することで、多尺度対象に対するモデルの識別能力を向上させました。次に、特徴ピラミッドの末端に二重注意誘導モジュールを追加し、モデルの重要な特徴表現能力を向上させるとともに、ノイズの影響を低減しました。最後に、Rank & Sort Lossを用いてクロスエントロピー分類損失を置き換え、モデル学習の複雑さを簡素化し検出精度を向上させました。実験結果は、提案手法がタンカデータセットおよびCOCOデータセットの10ショット実験において平均検出精度19.7％および11.2％を達成したことを示しています。

タンカ; 小サンプル対象検出; 文脈情報; 多尺度特徴; 二重注意機構