基于元学习的少样本红外空中目标分类方法

TP391.4; 针对空中红外目标样本数目不足、细粒度分类精度低等问题,提出一种基于元学习的少样本红外空中目标分类的方法.该方法以元学习为基础,结合多尺度特征融合,在减少计算量的同时有效提取不同分类任务之间的共性,再利用微调策略实现对不同任务的分类.实验证明,此方法在提升mini-ImageNet数据集分类精度的同时可减少约70％的计算量,对仅有少量样本的红外空中目标细粒度分类准确率可达到92.74％....

Full description

Saved in:
Bibliographic Details
Published in红外与毫米波学报 Vol. 40; no. 4; pp. 554 - 560
Main Authors 陈瑞敏, 刘士建, 苗壮, 李范鸣
Format Journal Article
LanguageChinese
Published 中国科学院大学,北京 100049 2021
中国科学院上海技术物理研究所,上海 200083%中国科学院红外探测与成像技术重点实验室,上海 200083
中国科学院上海技术物理研究所,上海 200083
中国科学院红外探测与成像技术重点实验室,上海 200083
Subjects
少样本学习
元学习
微调
细粒度分类
多尺度特征融合
红外图像
Online AccessGet full text

Cover

More Information
Summary:TP391.4; 针对空中红外目标样本数目不足、细粒度分类精度低等问题,提出一种基于元学习的少样本红外空中目标分类的方法.该方法以元学习为基础,结合多尺度特征融合,在减少计算量的同时有效提取不同分类任务之间的共性,再利用微调策略实现对不同任务的分类.实验证明,此方法在提升mini-ImageNet数据集分类精度的同时可减少约70％的计算量,对仅有少量样本的红外空中目标细粒度分类准确率可达到92.74％.
ISSN:1001-9014
DOI:10.11972/j.issn.1001-9014.2021.04.015