針對地對空紅外空中目標(biāo)識別任務(wù)中數(shù)據(jù)量嚴(yán)重不足的問題,提出一種基于改進關(guān)系網(wǎng)絡(luò)的小樣本紅外空中目標(biāo)分類方法。該方法將關(guān)系網(wǎng)絡(luò)模型、多尺度特征融合方法及元學(xué)習(xí)訓(xùn)練策略相結(jié)合,首先構(gòu)造多尺度特征提取模塊提取輸入圖像的特征向量,然后將支撐樣本和預(yù)測樣本的特征向量輸入到關(guān)系模塊中,根據(jù)關(guān)系值得到預(yù)測樣本的類別標(biāo)簽。mini-ImageNet數(shù)據(jù)集上的實驗結(jié)果表明:所提模型的分類精度顯著高于其他經(jīng)典的小樣本學(xué)習(xí)模型。Infra-aircraft dataset上的實驗結(jié)果表明:所提方法在僅有個位數(shù)樣本的情況下,可完成多種機型的地對空紅外圖像分類任務(wù)。

【文章頁數(shù)】：10 頁

【文章目錄】：
1 引 言
2 基本原理
    2.1 改進關(guān)系網(wǎng)絡(luò)的系統(tǒng)模型
    2.2 元學(xué)習(xí)訓(xùn)練策略
3 實驗分析與討論
    3.1 實驗環(huán)境和數(shù)據(jù)來源
    3.2 mini-ImageNet數(shù)據(jù)集的小樣本學(xué)習(xí)任務(wù)
    3.3 Infra-aircraft數(shù)據(jù)集的小樣本學(xué)習(xí)任務(wù)
4 結(jié) 論
    1) 領(lǐng)域漂移問題。
    2) 細粒度分類問題。
    3) 更加復(fù)雜的元任務(wù)。



本文編號：3780774