期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
多尺度注意力与领域自适应的小样本图像识别
被引量：
13
1
作者
陈龙
张建林
+3 位作者
彭昊
李美惠
徐智勇
魏宇星
《光电工程》
CAS
CSCD
北大核心
2023年第4期60-73,共14页
小样本图像识别是计算机视觉中的关键问题。针对小样本情况下度量学习方法的类别原型不准确、泛化能力差问题,本文采用以下措施来提高小样本图像识别准确率:第一、为减缓样本稀缺问题,利用掩膜自编码器进行图像扩充,提高样本复杂度。第...
小样本图像识别是计算机视觉中的关键问题。针对小样本情况下度量学习方法的类别原型不准确、泛化能力差问题,本文采用以下措施来提高小样本图像识别准确率:第一、为减缓样本稀缺问题,利用掩膜自编码器进行图像扩充,提高样本复杂度。第二、设计多尺度注意力模块,突出类别相关特征,解决类别原型偏差大的问题。第三、提出领域自适应模块,引入间隔损失函数,优化嵌入函数的表征能力,实现新类样本的精确表征,增强模型的泛化能力。通过在多个公开数据集上进行实验表明,本文方法可以有效提升小样本图像识别准确率。
展开更多
关键词
小样本图像识别
注意力机制
领域自适应
相似性度量
在线阅读
下载PDF
职称材料
基于中心损失函数的小样本SAR图像识别方法
2
作者
毛轩昂
刘振国
姚陈芳
《火力与指挥控制》
CSCD
北大核心
2024年第5期172-178,183,共8页
提出了一种基于中心损失函数的监督学习方法,用于改善小样本下的合成孔径雷达(synthetic aperture radar,SAR)图像识别性能。该方法通过学习每个类别的类别中心,并惩罚样本的深度特征与其相应类别中心之间的距离,从而提高类间分离度和...
提出了一种基于中心损失函数的监督学习方法,用于改善小样本下的合成孔径雷达(synthetic aperture radar,SAR)图像识别性能。该方法通过学习每个类别的类别中心,并惩罚样本的深度特征与其相应类别中心之间的距离,从而提高类间分离度和类内分散度。为了验证方法的有效性,将所提方法与常见的深度学习算法在MSTAR图像识别数据集上进行比较。实验结果表示,相较于其他深度学习模型,该方法在小样本情况下有着更为卓越的图像识别性能。
展开更多
关键词
合成孔径雷达
小样本图像识别
中心损失函数
深度学习
在线阅读
下载PDF
职称材料
面向小样本SAR图像自动目标识别的孪生自监督学习方法
被引量：
4
3
作者
应自炉
王文琪
+1 位作者
徐颖
李文霸
《信号处理》
CSCD
北大核心
2023年第11期2080-2090,共11页
现有的自监督学习算法对小样本合成孔径雷达(Synthetic Aperture Radar,SAR)图像表征能力不足,无法充分地满足自动目标识别(Automatic Target Recognition,ATR)性能的需求。因此,本文提出了一种基于孪生自监督学习的SAR ATR方法。首先,...
现有的自监督学习算法对小样本合成孔径雷达(Synthetic Aperture Radar,SAR)图像表征能力不足,无法充分地满足自动目标识别(Automatic Target Recognition,ATR)性能的需求。因此,本文提出了一种基于孪生自监督学习的SAR ATR方法。首先,将无标注SAR数据通过孪生特征提取网络模块中的数据增强方式建立正负样本对;其次,通过孪生自监督学习模块中的对比学习头部网络和特征冗余降低头部网络,依据无监督对比学习损失函数和特征信息冗余损失函数进行联合优化,进而得到具有较好表征能力的预训练网络;最后,将自监督预训练网络权重加载到下游网络中,并通过交叉熵损失对下游网络进行小样本SAR图像有监督识别。实验结果表明,对于运动与静止目标获取和识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)数据集,本文的方法仅在3.13%的训练数据上可达82.95%准确率。本文所提方法可在无标注数据中获得较好的表征能力,有效地改善小样本SAR图像识别的过拟合问题。
展开更多
关键词
合成孔径雷达
小样本图像识别
深度表征学习
孪生自监督学习
在线阅读
下载PDF
职称材料
题名
多尺度注意力与领域自适应的小样本图像识别
被引量：
13
1
作者
陈龙
张建林
彭昊
李美惠
徐智勇
魏宇星
机构
中国科学院光电技术研究所
中国科学院大学电子电气与通信工程学院
出处
《光电工程》
CAS
CSCD
北大核心
2023年第4期60-73,共14页
基金
国家自然科学基金青年科学基金资助项目(62101529)。
文摘
小样本图像识别是计算机视觉中的关键问题。针对小样本情况下度量学习方法的类别原型不准确、泛化能力差问题,本文采用以下措施来提高小样本图像识别准确率:第一、为减缓样本稀缺问题,利用掩膜自编码器进行图像扩充,提高样本复杂度。第二、设计多尺度注意力模块,突出类别相关特征,解决类别原型偏差大的问题。第三、提出领域自适应模块,引入间隔损失函数,优化嵌入函数的表征能力,实现新类样本的精确表征,增强模型的泛化能力。通过在多个公开数据集上进行实验表明,本文方法可以有效提升小样本图像识别准确率。
关键词
小样本图像识别
注意力机制
领域自适应
相似性度量
Keywords
few-shot image classification
attention mechanism
domain adaptation
similarity metric
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于中心损失函数的小样本SAR图像识别方法
2
作者
毛轩昂
刘振国
姚陈芳
机构
北方自动控制技术研究所
战略支援部队中部预备役信息通信大队
出处
《火力与指挥控制》
CSCD
北大核心
2024年第5期172-178,183,共8页
文摘
提出了一种基于中心损失函数的监督学习方法,用于改善小样本下的合成孔径雷达(synthetic aperture radar,SAR)图像识别性能。该方法通过学习每个类别的类别中心,并惩罚样本的深度特征与其相应类别中心之间的距离,从而提高类间分离度和类内分散度。为了验证方法的有效性,将所提方法与常见的深度学习算法在MSTAR图像识别数据集上进行比较。实验结果表示,相较于其他深度学习模型,该方法在小样本情况下有着更为卓越的图像识别性能。
关键词
合成孔径雷达
小样本图像识别
中心损失函数
深度学习
Keywords
syntheticapertureradar
small sampleimagerecognition
center lossfunction
deeplearning
分类号
TP399 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
面向小样本SAR图像自动目标识别的孪生自监督学习方法
被引量：
4
3
作者
应自炉
王文琪
徐颖
李文霸
机构
五邑大学智能制造学部
出处
《信号处理》
CSCD
北大核心
2023年第11期2080-2090,共11页
基金
广东省教育厅普通高校重点科研项目(2020ZDZX3031)
广东省基础与应用基础研究基金自然科学基金面上项目(2021A1515011576)。
文摘
现有的自监督学习算法对小样本合成孔径雷达(Synthetic Aperture Radar,SAR)图像表征能力不足,无法充分地满足自动目标识别(Automatic Target Recognition,ATR)性能的需求。因此,本文提出了一种基于孪生自监督学习的SAR ATR方法。首先,将无标注SAR数据通过孪生特征提取网络模块中的数据增强方式建立正负样本对;其次,通过孪生自监督学习模块中的对比学习头部网络和特征冗余降低头部网络,依据无监督对比学习损失函数和特征信息冗余损失函数进行联合优化,进而得到具有较好表征能力的预训练网络;最后,将自监督预训练网络权重加载到下游网络中,并通过交叉熵损失对下游网络进行小样本SAR图像有监督识别。实验结果表明,对于运动与静止目标获取和识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)数据集,本文的方法仅在3.13%的训练数据上可达82.95%准确率。本文所提方法可在无标注数据中获得较好的表征能力,有效地改善小样本SAR图像识别的过拟合问题。
关键词
合成孔径雷达
小样本图像识别
深度表征学习
孪生自监督学习
Keywords
synthetic aperture radar
small sample images recognition
deep representation learning
twin self-supervised learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
多尺度注意力与领域自适应的小样本图像识别
陈龙
张建林
彭昊
李美惠
徐智勇
魏宇星
《光电工程》
CAS
CSCD
北大核心
2023
13
在线阅读
下载PDF
职称材料
2
基于中心损失函数的小样本SAR图像识别方法
毛轩昂
刘振国
姚陈芳
《火力与指挥控制》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
面向小样本SAR图像自动目标识别的孪生自监督学习方法
应自炉
王文琪
徐颖
李文霸
《信号处理》
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
