従来の物体検出手法が鉱石粒度検出において計算コストが高く、特徴のロバスト性が低く、分類器の性能が制限される問題に対処するため、本論文は小サンプル物体検出アルゴリズムを提案する。本手法は注釈および計算コストを低減し、データ不足のシナリオにおけるモデルの汎化能力を向上させることを目的とする。CenterNet2をフレームワークとし、検出速度を保証するために軽量なVoVNetをバックボーンとして採用している。核心的な革新は並列の二重注意特徴融合モジュールを設計したことであり、チャネル交差注意モジュールはチャネル次元の特徴を再調整し、空間グループ注意モジュールは対象の重要な領域に焦点を当て、二者が協力して識別的特徴融合能力を強化し、クエリ画像検出を正確に指導する。鉱石データセットでのテストにおいて、提案モデルの平均適合率（AP）は55.2％、AP50およびAP75はそれぞれ78.5％と66.9％、推論速度は57フレーム/秒（FPS）に達し、注意モジュールのパラメータ数はわずか16.1メガバイト（MB）であり、優れた精度と効率のバランスを示している。実験により、本手法は小サンプル鉱石粒度検出の認識性能を効果的に向上させ、高いエッジ端末実装可能性を有し、計算資源が制限されたスマートマインにおけるリアルタイム検出課題の解決に信頼できる技術的解決策を提供することが示された。

コンピュータビジョン;小サンプル物体検出;軽量化;鉱石画像;リアルタイム検出