基于改进关系网络的小样本红外空中目标分类方法

发布时间：2023-04-03 05:41

　　针对地对空红外空中目标识别任务中数据量严重不足的问题,提出一种基于改进关系网络的小样本红外空中目标分类方法。该方法将关系网络模型、多尺度特征融合方法及元学习训练策略相结合,首先构造多尺度特征提取模块提取输入图像的特征向量,然后将支撑样本和预测样本的特征向量输入到关系模块中,根据关系值得到预测样本的类别标签。mini-ImageNet数据集上的实验结果表明:所提模型的分类精度显著高于其他经典的小样本学习模型。Infra-aircraft dataset上的实验结果表明:所提方法在仅有个位数样本的情况下,可完成多种机型的地对空红外图像分类任务。

【文章页数】：10 页

【文章目录】：
1 引 言
2 基本原理
    2.1 改进关系网络的系统模型
    2.2 元学习训练策略
3 实验分析与讨论
    3.1 实验环境和数据来源
    3.2 mini-ImageNet数据集的小样本学习任务
    3.3 Infra-aircraft数据集的小样本学习任务
4 结 论
    1) 领域漂移问题。
    2) 细粒度分类问题。
    3) 更加复杂的元任务。



本文编号：3780774