1.一種用于遙感影像的少樣本目標(biāo)檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的一種用于遙感影像的少樣本目標(biāo)檢測方法，其特征在于，所述步驟1中，小目標(biāo)增強(qiáng)模塊用于對所述多尺度特征金字塔中空間分辨率最高的多尺度特征圖進(jìn)行特征增強(qiáng)包括：對輸入特征圖進(jìn)行深度可分離卷積運(yùn)算；將卷積后的特征圖在通道維度均勻劃分為若干組，對每組特征分別進(jìn)行一維卷積后再拼接；對拼接后的特征圖執(zhí)行全局平均池化，并通過一個(gè)包含全連接層和sigmoid激活函數(shù)的門控單元生成通道注意力權(quán)重向量；將所述通道注意力權(quán)重向量與拼接后的特征圖逐通道相乘，并將相乘結(jié)果與原始輸入特征圖進(jìn)行殘差連接，輸出增強(qiáng)后的特征圖。
3.根據(jù)權(quán)利要求1所述的一種用于遙感影像的少樣本目標(biāo)檢測方法，其特征在于，所述步驟1中，deimv2檢測器為基于transformer架構(gòu)的端到端檢測器，不采用預(yù)設(shè)錨框機(jī)制，通過一組可學(xué)習(xí)的目標(biāo)查詢與編碼器輸出的多尺度特征進(jìn)行交互，直接解碼出目標(biāo)的類別與邊界框坐標(biāo)。
4.根據(jù)權(quán)利要求1所述的一種用于遙感影像的少樣本目標(biāo)檢測方法，其特征在于，所述步驟1中，所述語義回歸精修模塊用于對所述初步邊界框坐標(biāo)進(jìn)行基于幾何語義的精細(xì)化修正，輸出最終檢測結(jié)果包括：將初步邊界框坐標(biāo)解構(gòu)為包含中心點(diǎn)坐標(biāo)、寬高、面積、寬高比、對角線長度、中心點(diǎn)到圖像中心的距離、到圖像四條邊界的距離及其最小值的多維度幾何特征向量；將所述幾何特征向量通過至少一個(gè)包含線性變換、非線性激活和隨機(jī)失活的編碼子網(wǎng)絡(luò)，映射為高維語義編碼特征；為所述高維語義編碼特征添加位置編碼，并通過至少一層transformer編碼器進(jìn)行自注意力建模和特征融合；將融合后的特征通過線性層降維，并選取每行特征最后一維的最大概率索引進(jìn)行嵌入編碼，將得到的嵌入向量與降維特征進(jìn)行殘差連接；將殘差連接后的特征輸入序列生成器，解碼輸出每個(gè)初步邊界框?qū)?yīng)的坐標(biāo)偏移量；將所述坐標(biāo)偏移量與所述初步邊界框坐標(biāo)相加，得到最終的精修邊界框坐標(biāo)。
5.根據(jù)權(quán)利要求1所述的一種用于遙感影像的少樣本目標(biāo)檢測方法，其特征在于，所述步驟2中，基礎(chǔ)訓(xùn)練階段具體包括：
6.根據(jù)權(quán)利要求1所述的一種用于遙感影像的少樣本目標(biāo)檢測方法，其特征在于，所述步驟2中，微調(diào)訓(xùn)練階段采用選擇性解凍策略，具體包括：
7.根據(jù)權(quán)利要求1所述的一種用于遙感影像的少樣本目標(biāo)檢測方法，其特征在于，所述方法在訓(xùn)練過程中采用復(fù)合損失函數(shù)，具體為以下四種損失加權(quán)求和：
8.一種用于遙感影像的少樣本目標(biāo)檢測裝置，其特征在于，包括：
9.一種電子設(shè)備，其特征在于，包括：
10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，其上存儲有可執(zhí)行指令，該指令被處理器執(zhí)行時(shí)能夠使處理器實(shí)現(xiàn)權(quán)利要求1-7任一項(xiàng)所述的一種用于遙感影像的少樣本目標(biāo)檢測方法。