[发明专利]一种基于迁移学习的空间目标小样本识别方法在审
| 申请号： | 201910685093.9 | 申请日： | 2019-07-27 |
| 公开（公告）号： | CN110414600A | 公开（公告）日： | 2019-11-05 |
| 发明（设计）人： | 宋彬;南晓停;杨曦;王佳浩 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 郑州芝麻知识产权代理事务所(普通合伙) 41173 | 代理人： | 王越 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种识别准确率高的基于迁移学习的空间目标小样本识别方法，克服了现有技术中空间目标识别繁琐的手动特征提取和特征工程的问题。该发明含有以下步骤，步骤1、建立辅助样本空间目标数据集；步骤2、构建端到端的深度最近邻网络；步骤3、将辅助数据集送入深度最近邻网络进行训练；步骤4、构建空间目标数据集；步骤5、将目标数据集送入深度最近邻网络进行识别。该技术使用了两个损失联合训练，针对空间目标识别属于细粒度领域的识别，较小的类间差异和较大的类内方差，通过引入类内紧凑约束使得同一类样本在特征空间尽可能相近，使得本发明在空间目标图像类内方差比较大的情况下，仍能得到好的识别结果。 | ||
| 搜索关键词： | 空间目标 最近邻 数据集 小样本 构建 送入 迁移 空间目标识别 辅助数据集 网络 方差比较 辅助样本 技术使用 紧凑约束 类间差异 目标识别 目标数据 特征空间 特征提取 细粒度 中空间 准确率 方差 样本 图像 学习 引入 联合 | ||
【主权项】：
1.一种基于迁移学习的空间目标小样本识别方法，其特征在于：含有以下步骤，步骤1、建立辅助样本空间目标数据集；步骤2、构建端到端的深度最近邻网络；步骤3、将辅助数据集送入深度最近邻网络进行训练；步骤4、构建空间目标数据集；步骤5、将目标数据集送入深度最近邻网络进行识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910685093.9/，转载请声明来源钻瓜专利网。
