融合跨模态引导和增强的零样本目标检测网络
来源：计算机工程与应用杂志2026年第12期北京时间：
作者：程德强, 岳阳, 马浩辉, 胥星辰, 寇旗旗
单位：1.中国矿业大学 信息与控制工程学院，江苏 徐州 221116；2.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116；
摘要：针对现有零样本目标检测方法中视觉与语义模态融合能力弱、跨模态引导不足等问题，提出一种基于深度神经网络架构的融合跨模态引导与频率增强机制的零样本目标检测方法（GE-ZSD）。该方法通过设计跨模态特征引导模块，利用语义嵌入向量层次化地引导图像特征提取过程，从而提升模型对语义相关区域的关注能力。同时为加强模态间关系建模能力，提出跨模态频率增强模块，引入频域表示与多层注意机制，从模态互补和频谱增强两个角度提升语义与视觉特征的融合质量。在MSCOCO、ILSVRC和VG等多个数据集上的实验表明，所提出方法提升了零样本目标检测的性能，并展现其在不同数据集和场景下的鲁棒性与泛化能力。
关键词：深度神经网络,零样本学习,目标检测,跨模态,语义引导,注意力机制
基金资助：国家重点研发计划（2023YFC2907600，2021YFC2902701，2021YFC2902702）；国家自然科学基金（52204177，52304182）。
