야생 동물 데이터셋의 샘플 수가 적고 객체 크기가 다양한 문제로 인한 야생 동물 탐지 어려움 및 낮은 탐지 정확도를 해결하기 위해 다중 스케일 컨텍스트 추출 기반 소샘플 야생 동물 탐지(MS-FSWD) 알고리즘을 제안한다. 우선, 다중 스케일 컨텍스트 추출 모듈을 통해 모델의 다양한 크기 야생 동물 인식 능력을 강화하여 탐지 성능을 향상시킨다; 둘째, 프로토타입 교정 모듈의 강력한 분류 네트워크로 Res2Net을 도입하여 분류기 출력의 분류 점수를 보정한다; 그리고 RPN에 순열 주의 메커니즘을 추가하여 목표 영역의 특징 맵을 강화하고 배경 정보를 약화시킨다; 마지막으로 균형 잡힌 L1 손실을 위치 손실 함수로 사용하여 목표 위치 성능을 향상시킨다. 실험 결과 DeFRCN 알고리즘과 비교하여 MS-FSWD가 소샘플 야생 동물 데이터셋 FSWA에서 1-shot 및 3-shot 탐지 작업의 신규 클래스 AP50을 각각 9.9% 및 6.6% 향상시켰으며, 공개 데이터셋 PASCAL VOC에서는 최대 12.6% 향상되었다. VFA 알고리즘과 비교 시 PASCAL VOC 데이터셋 Novel Set 3의 10-shot 작업에서 신규 클래스 AP50이 3.3% 향상되었다.

소샘플 객체 탐지;야생 동물 탐지;전이 학습;다중 스케일 컨텍스트 추출;주의 메커니즘