本文提出了一种新的基于少量样本的目标识别与分割方法，适用于数据稀缺的场景。该方法结合了迁移学习与图像增强技术，提升了模型在有限样本下的泛化能力。通过引入注意力机制，有效捕捉目标关键特征，提高了识别与分割的精度。实验结果表明，该方法在多个基准数据集上均取得了优于现有方法的性能。
举报
