紅外圖像目標(biāo)分類在目標(biāo)識(shí)別等領(lǐng)域有重要的應(yīng)用價(jià)值,目前卷積神經(jīng)網(wǎng)絡(luò)在可見光圖像分類方面達(dá)到了優(yōu)異的性能。但對于紅外圖像來說,由于有標(biāo)記樣本數(shù)量少和圖像成像差異大,直接使用現(xiàn)有的網(wǎng)絡(luò)模型來處理紅外圖像無法取得理想效果。該文將可見光圖像作為源域,將紅外圖像作為目標(biāo)域,在深度網(wǎng)絡(luò)中使用遷移學(xué)習(xí)方法來解決此問題。在遷移學(xué)習(xí)中,目標(biāo)域網(wǎng)絡(luò)提取的特征越能體現(xiàn)出本域數(shù)據(jù)的真實(shí)分布,那么在此基礎(chǔ)上進(jìn)行兩個(gè)域的分布適配就更加有效,遷移后的目標(biāo)域網(wǎng)絡(luò)性能和泛化能力越好。該文首先利用大量無監(jiān)督的紅外樣本訓(xùn)練了紅外圖像深度卷積自編碼器,增強(qiáng)了紅外圖像域網(wǎng)絡(luò)的特征表達(dá)能力。其次,通過減小源域和目標(biāo)域的特征分布距離,使得兩個(gè)圖像域特征分布相似,從而將源域中深度網(wǎng)絡(luò)的學(xué)習(xí)能力遷移到目標(biāo)域。經(jīng)過上述改進(jìn),相比于可見光圖像預(yù)訓(xùn)練微調(diào)的方法,分類準(zhǔn)確率提升了11.27%。 

【文章來源】：電子科技大學(xué)學(xué)報(bào). 2020年04期 北大核心

【文章頁數(shù)】：6 頁


本文編號：2934780