【技术实现步骤摘要】
本专利技术属于天基遥感智能处理领域，具体涉及一种基于特征重构网络的小样本细粒度舰船目标识别方法。
技术介绍
1、细粒度目标识别旨在遥感图像中识别目标的具体类型，在军事和民用领域均有着极为广泛的应用。例如，海上舰船目标的具体型号对于评估该舰船目标的威胁程度至关重要。然而，部分型号舰船目标的图片非常稀少，基于深度学习的目标识别模型会对该类舰船目标产生严重的过拟合问题，进而导致小样本舰船目标的识别性能极低，因此遥感图像小样本细粒度舰船目标识别是一个极具挑战性的问题。
2、为了解决小样本问题，近些年来，基于元学习的方法相继被提出。元学习旨在通过大量的基类数据学习得到通用的知识，再将学习得到的知识迁移至小样本的新类数据中。当前基于元学习的方法主要可分为两类：基于优化的和基于度量学习的方法。基于优化的方法首先基于基类数据学习出模型最优的初始值，再基于新类数据进行微调；基于度量学习的方法旨在基类数据中学习出一个通用的距离度量函数，并将该距离度量函数直接应用在新类数据中。基于优化的方法由于需要在新类数据中微调，因此灵活性较低，且总体精度不高...
【技术保护点】
1.一种基于特征重构网络的小样本细粒度舰船目标识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于特征重构网络的小样本细粒度舰船目标识别方法，其特征在于，步骤S1中，将支撑集图片与查询集图片通过卷积神经网络处理后，得到支撑集特征与查询集特征。
3.根据权利要求1或2所述的一种基于特征重构网络的小样本细粒度舰船目标识别方法，其特征在于，步骤S2中，基于步骤S1得到的支撑集特征对查询集特征通过岭回归的方式进行特征重构。
4.根据权利要求3所述的一种基于特征重构网络的小样本细粒度舰船目标识别方法，其特征在于，步骤S3中，...
【技术特征摘要】
1.一种基于特征重构网络的小样本细粒度舰船目标识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于特征重构网络的小样本细粒度舰船目标识别方法，其特征在于，步骤s1中，将支撑集图片与查询集图片通过卷积神经网络处理后，得到支撑集特征与查询集特征。
3.根据权利要求1或2所述的一种基于特征重构网络的小样本细粒度舰船目标识别方法，其特征在于，步骤s2中，基于步骤s1得到的支撑集特征对查询集特征通过岭回归的方式进行特征重构。
4.根据权利要求3所述的一种基于特征重构网络的小样本细粒度舰船目标识别方法，其特征在...
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。