申请/专利权人:南京航空航天大学
申请日:2022-08-31
公开(公告)日:2022-09-27
公开(公告)号:CN115115898A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06V10/40;G06N3/04;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2022.11.15#授权;2022.10.18#实质审查的生效;2022.09.27#公开
摘要:本发明公开了一种基于无监督特征重构的小样本目标检测方法,包括:获取遥感图像,构建小样本数据集,构建基于卷积的双向长短时记忆网络作为小样本数据集训练的嵌入网络,提取遥感图像的特征向量;将遥感图像的特征向量输入无监督的自适应特征重构模块中进行训练,直至特征级重建损失函数收敛,完成对无监督的自适应特征重构模块的训练;实时采集遥感图像,输入基于卷积的双向长短时记忆网络和训练好的无监督的自适应特征重构模块中,输出重构特征向量;将重构特征向量采用基于余弦相似度的分类器进行分类,得到小样本目标检测的分类结果。该小样本目标检测方法在只给出少量标注样本的情况下实现对图像分类,具有检测精度和检测效率高的特点。
主权项:1.一种基于无监督特征重构的小样本目标检测方法,其特征在于,包括如下步骤:步骤S1、获取遥感图像,构建小样本数据集,将小样本数据集分为查询集和支持集;步骤S2、构建基于卷积的双向长短时记忆网络CBL-Net作为查询集和支持集训练的嵌入网络,提取遥感图像的特征向量;步骤S3、将遥感图像的特征向量输入无监督的自适应特征重构模块US-AFRM中进行训练,直至特征级重建损失函数收敛,完成对无监督的自适应特征重构模块US-AFRM的训练;步骤S4、实时采集遥感图像,输入基于卷积的双向长短时记忆网络CBL-Net中,提取遥感图像的特征向量,将遥感图像的特征向量输入训练好的无监督的自适应特征重构模块US-AFRM中,输出最终重构特征向量;步骤S5、将重构特征向量采用基于余弦相似度的分类器进行分类,得到小样本目标检测的分类结果。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种基于无监督特征重构的小样本目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。