【技术实现步骤摘要】
本申请涉及sar目标识别，特别是涉及一种基于深度格拉斯曼流形空间的sar目标识别方法及装置。
技术介绍
1、作为在sar图像解译领域长期存在、极具挑战的问题，sar atr即sar目标自动识别，在过去几十年里一直被持续深入的研究。随着sar成像技术的进步，高分辨率sar图像的数量呈指数级增长，也促进了特定sar atr问题，如小样本学习，增量学习等研究的进步。
2、近年来，凭借强大的特征提取和判别能力，深度学习在计算机视觉的诸多问题(如检测、识别、分割等)取得了巨大的进步。小样本类增量(fscil)学习，旨在解决从极少的标记样本中对新类别知识进行更新，且不遗忘先前所学，更加贴近现实应用场景。特别地，由于sar成像机制的特殊，在非合作条件下，感兴趣目标的样例数目非常有限，且由于sar图像目标的解译严重依赖专家知识，获取大规模的标注样本代价高昂且不切实际，极大程度制约了基于数据驱动的深度学习技术的实际应用能力。因此，研究具备小样本连续学习能力的基于深度学习的sar atr算法迫在眉睫。
技术实现思路<
本文档来自技高网...
【技术保护点】
1.一种基于深度格拉斯曼流形空间的SAR目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的SAR目标识别方法，其特征在于，在利用目标类别未知的SAR图像对所述目标识别网络进行在线训练后，所述目标识别网络中的格拉斯曼流形空间中包含对应该未知类别的子空间。
3.根据权利要求1所述的SAR目标识别方法，其特征在于，利用所述深度子空间保留损失函数对当前可训练格拉斯曼流形空间中一子空间与前一次迭代训练中格拉斯曼流形空间对应子空间之间的距离漂移进行约束，所述深度子空间保留损失函数表示为：
4.根据权利要求1所述的SAR目标识别方...
【技术特征摘要】
1.一种基于深度格拉斯曼流形空间的sar目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的sar目标识别方法，其特征在于，在利用目标类别未知的sar图像对所述目标识别网络进行在线训练后，所述目标识别网络中的格拉斯曼流形空间中包含对应该未知类别的子空间。
3.根据权利要求1所述的sar目标识别方法，其特征在于，利用所述深度子空间保留损失函数对当前可训练格拉斯曼流形空间中一子空间与前一次迭代训练中格拉斯曼流形空间对应子空间之间的距离漂移进行约束，所述深度子空间保留损失函数表示为：
4.根据权利要求1所述的sar目标识别方法，其特征在于，利用所述深度子空间辨别损失函数对所述格拉斯曼流形空间中两个子空间之间的余弦相似性进行约束，所述深度子空间辨别损失函数表示为：
5.根据权利要求1所述的sar目标识别方法，其特征在于，利用语义实例边界损失函数在深度特征空间中未知类别目标与其他已知类别目标特征点之间的距...
【专利技术属性】
技术研发人员：赵凌君，赵琰，雷琳，张思乾，熊博莅，计科峰，匡纲要，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。