一种基于离线深度学习与在线人机协同的目标识别方法技术

本发明专利技术公开一种基于离线深度学习与在线人机协同的目标识别方法，涉及计算机模式识别领域。本发明专利技术利用大数据集得到预训练模型，对小数据集数据增强变换扩充数据样本，将源预训练模型在目标小数据集上进行迁移训练得到离线训练模型；在离线模型识别置信率低时，提取目标底层特征进行语意映射得到语义属性，计算到未知类目标的语义属性距离，当该类目标不在离线训练模型知识范围内时，以问题的形式向用户提出需要补充的知识或经验，实现未知类目标识别；提出拟人化人机交互指令架构，构建具备自主学习能力的一体化目标识别方法,提高了对小样本数据识别准确率，通过人机交互增强了对未知目标识别能力。未知目标识别能力。未知目标识别能力。

【技术实现步骤摘要】
一种基于离线深度学习与在线人机协同的目标识别方法


[0001]本专利技术涉及计算机模式识别技术，属于目标检测识别领域，特别涉及综合离线深度学习与在线人机协同的目标识别方法。

技术介绍

[0002]未来战场形态将是以智能化、网络化为主要支撑的有人无人协同战争，战场环境复杂多变，战场规则波谲云诡、变幻莫测，新型作战目标不断涌现，如何更好地获取战场多源信息并及时做出精准决策，是作战人员面临的重要问题。而目前人工智能技术在目标识别、军事决策等方面已经展现出巨大优势，但是大多数人工智能模型是基于大量样本训练的，并且获取战场信息成本巨大，这限制了人工智能在军事方面的发展，在小样本、未知类条件下实现战场环境和目标识别具有重要军事意义。
[0003]小样本、未知类目标识别是计算机模式识别领域需要解决的重要问题。目前，人工智能技术在目标识别与决策等方面已经卓有成效，但由于其识别方法依赖于海量的训练数据，需要获取大量目标信息，在面对新型目标不断涌现的环境时，机器自主学习模型不能完全适用于复杂环境。当前的目标识别方法难以准确识别小样本目标，无法识别未知类型的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于离线深度学习与在线人机协同的目标识别方法，识别小样本未知类目标时，其特征在于利用大数据集上预训练模型结果迁移到小样本目标数据集上，离线学习实现小样本学习进化，同时将深度学习获得的部分特征与人为构建的语义属性进行映射，通过人机协同实现未知类目标识别，同时提供拟人化交互方法。2.根据权利要求1所述小样本目标迁移学习方法，其特征在于，包括：首先，对大样本数据进行模型训练，获得预训练模型；其次，通过旋转、缩放、迁移、加噪、裁剪、颜色空间转化等方法对小规模样本数据增强，并通过生成对抗模型进一步扩充样本数目；接着在预训练模型的基础上冻结若干层参数，基于扩充后的小样本数据集进行迁移学习微调目标识别模型。3.根据权利要求1所述未知类目标识别方法，其特征在于，包括：在离线识别模型识别置信率低时，认为是未知类目标，通过提取目标语义特征、映射到用户可以理解的语义空间中，将未知类目标与已知类目标比较...

【专利技术属性】
技术研发人员：何元，曹德宇，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：