计算机工程与应用

作者：宋涛, 冉璐, 杨金河, 邢镔, 龙邹荣, 王泓俊, 李梓谦

单位：1.重庆理工大学 光纤传感与光电检测重庆市重点实验室，重庆 400054；2.重庆工业大数据创新中心有限公司 工业大数据应用技术国家工程实验室，重庆 400707；

关键词：小样本目标检测,元学习,注意力机制,变分类自编码,多特征聚合

基金：国家博士后科学基金（2022M710543）；重庆理工大学科研创新团队项目（2023TDZ014）。

针对小样本印刷电路板（printed circuit board，PCB）缺陷样本少、样本失衡、难泛化导致检测精度较低的问题，引入元学习方案，在元学习目标检测框架上提出基于注意力和变分类自编码的小样本缺陷检测方法。针对支持分支建模易受噪声影响问题，提出基于注意力的背景弱化模块，通过对注意力机制进行改进，使模型能够自适应改变重要性，聚焦前景信息与周围差异，减少背景干扰。鉴于支持分支缺乏类特征提取，导致查询特征与支持特征聚合后容易发生漏检、错检的问题，提出变分类自编码模块，利用概率分布以及重参数化获得类特征，提高新类检测准确率。为了充分探索查询特征与支持特征高级特征关系，提出多特征聚合模块，利用元素乘法、减法运算对两种特征之间的相似点和差异性进行建模，同时通过查询原型减少随机采样带来的噪声。实验结果表明，在PKU-Market-PCB数据集上，该方法在10样本下新类、基类准确率最高可达到65.3%、89.7%。

来源：2026年第4期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第4期