小样本SAR图像识别方法、装置及存储介质制造方法及图纸

本发明专利技术公开了小样本SAR图像识别方法、装置及存储介质，其中方法包括特征提取和分类识别；对特征提取网络进行参数优化包括：对批样本SAR图像添加实例标签；数据增强；对增强数据进行以含温度系数的交叉熵损失作为目标函数的实例标签识别以及对特征通过优化动态权重方差损失进行特征聚类直至网络收敛；微调网络权重。其能灵活调整条项样本特征之间的距离，控制对比学习的强度，适用于SAR图像识别领域。

【技术实现步骤摘要】
小样本SAR图像识别方法、装置及存储介质
本专利技术涉及图像识别领域，特别是小样本SAR图像识别方法、装置及存储介质。
技术介绍
对比学习在图像识别领域得到广泛应用。对比学习流程如下：假设一个批样本包含N张图片，分别随机对每张图片进行两次数据增强处理，每张图片会得出两张新的图像，总共会得出2N张新图像，作为后续网络输入进行训练；经过特征提取网络进行编码后，产生2N个特征；对于来自于相同图像的两张不同视图的特征距离越近越好，这个过程称为“吸引”；而对于不同图像的两张不同视图的特征距离应该越远越好，这个过程称为“排斥”；将上述两个过程作为对比学习的目标函数进行无监督特征学习。然而，在SAR图像领域中，SAR图像由合成孔径雷达系统拍摄采集的图像，类间与类内存在大量相似样本。沿用以往对比学习架构将会使相似样本之间的表征距离扩大，不利于SAR图像等细粒度数据集进行无监督特征学习，难以实现小样本SAR图像识别任务。
技术实现思路
本专利技术的目的在于至少解决现有技术中存在的技术问题之一，提供小样本SAR图像识别方法、装置及存储介本文档来自技高网...

【技术保护点】
1.小样本SAR图像识别方法，其特征在于，包括以下步骤：/n将实时SAR图像输入至经参数优化的特征提取网络进行特征提取，得到图像特征；/n将所述图像特征输入至分类器进行分类，得到识别结果；/n其中对所述特征提取网络进行参数优化包括以下步骤：/n对批样本SAR图像添加实例标签得到第一图像；/n对所述第一图像进行k次数据增强得到k批第二图像；/n每次输入一批所述第二图像至所述特征提取网络进行以含温度系数的交叉熵损失作为目标函数的实例标签识别，将所述特征提取网络对该批所述第二图像提取的特征通过优化动态权重方差损失进行特征聚类，重复输入k批所述第二图像直至所述特征提取网络收敛；/n通过有标注的SAR图...

【技术特征摘要】
1.小样本SAR图像识别方法，其特征在于，包括以下步骤：
将实时SAR图像输入至经参数优化的特征提取网络进行特征提取，得到图像特征；
将所述图像特征输入至分类器进行分类，得到识别结果；
其中对所述特征提取网络进行参数优化包括以下步骤：
对批样本SAR图像添加实例标签得到第一图像；
对所述第一图像进行k次数据增强得到k批第二图像；
每次输入一批所述第二图像至所述特征提取网络进行以含温度系数的交叉熵损失作为目标函数的实例标签识别，将所述特征提取网络对该批所述第二图像提取的特征通过优化动态权重方差损失进行特征聚类，重复输入k批所述第二图像直至所述特征提取网络收敛；
通过有标注的SAR图像对收敛的所述特征提取网络进行权重微调。


2.根据权利要求1所述的小样本SAR图像识别方法，其特征在于，所述有标注的SAR图像是对多个无标注SAR图像数据进行人工标注得到的。


3.根据权利要求1所述的小样本SAR图像识别方法，其特征在于，在所述实例标签识别的过程中，所述第二图像具有实例标签的概率为：其中n是所述特征提取网络的全连接层的层数，i∈n，j∈n，v是所述特征提取网络对所述第二图像提取的特征，wi是所述特征提取网络的全连接层的权重，T为温度系数。


4.根据权利要求3所述的小样本SAR图像识别方法，其特征在于，所述含温度系数的交叉熵损失具体为：


5.根据权利要求3所述的小样本SAR图像识别方法，其特征在于，通过所述第二图像具有实例标签的概率P(i∣v)控制所述第二图像在特征空间中的距离。


6.根据权利要求1所述的小样本S...

【专利技术属性】
技术研发人员：周文略，柯琪锐，翟懿奎，陈家聪，甘俊英，应自炉，王天雷，曾军英，徐颖，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44