Classificar e localizar objetos de interesse em imagens pode ajudar as pessoas a compreenderem as ricas informações semânticas das imagens de Thangka e promover a transmissão cultural. Devido ao número reduzido de amostras de imagens de Thangka, fundos complexos, ocultação dos alvos detectados e baixa precisão de detecção, este artigo propõe um algoritmo de detecção de objetos com poucas amostras para Thangka que combina informações contextuais em múltimas escalas e um mecanismo duplo de atenção guiada. Primeiramente, foi construída uma nova pirâmide de características em múltiplas escalas para aprender características multiníveis e informações contextuais das imagens de Thangka, melhorando a capacidade do modelo em discriminar objetos de múltiplas escalas. Em seguida, um módulo duplo de atenção guiada foi adicionado na extremidade da pirâmide de características para melhorar a capacidade de representação das características chave do modelo, ao mesmo tempo em que reduz o impacto do ruído. Por fim, a função de perda Rank & Sort substituiu a perda de classificação por entropia cruzada, simplificando a complexidade do treinamento do modelo e melhorando a precisão da detecção. Os resultados experimentais mostram que o método proposto alcançou uma precisão média de detecção de 19,7% e 11,2% nos experimentos 10-shot nos conjuntos de dados Thangka e COCO, respectivamente.

Thangka; detecção de objetos com poucas amostras; informações contextuais; características multiníveis; mecanismo duplo de atenção