-
题名基于小样本学习的SAR图像识别
被引量：16
- 1
-
-
作者
汪航
陈晓
田晟兆
陈端兵
-
机构
电子科技大学大数据研究中心
陆军参谋部信息保障室
电子科技大学数字文化与传媒研究中心
-
出处
《计算机科学》
CSCD
北大核心
2020年第5期124-128,共5页
-
基金
国家自然科学基金(61673085,61433014)
国家重点研发计划(2017YFC1601005)。
-
文摘
深度学习已成为图像识别领域的一个研究热点。与传统图像识别方法不同,深度学习从大量数据中自动学习特征,并且具有强大的自学习能力和高效的特征表达能力。但在小样本条件下,传统的深度学习方法如卷积神经网络难以学习到有效的特征,造成图像识别的准确率较低。因此,提出一种新的小样本条件下的图像识别算法用于解决SAR图像的分类识别。该算法以卷积神经网络为基础,结合自编码器,形成深度卷积自编码网络结构。首先对图像进行预处理,使用2D Gabor滤波增强图像,在此基础上对模型进行训练,最后构建图像分类模型。该算法设计的网络结构能自动学习并提取小样本图像中的有效特征,进而提高识别准确率。在MSTAR数据集的10类目标分类中,选择训练集数据中10%的样本作为新的训练数据,其余数据为验证数据,并且,测试数据在卷积神经网络中的识别准确率为76.38%,而在提出的卷积自编码结构中的识别准确率达到了88.09%。实验结果表明,提出的算法在小样本图像识别中比卷积神经网络模型更加有效。
-
关键词
小样本学习
深度学习
卷积神经网络
自编码器
-
Keywords
Few-shot learning
Deep learning
Convolutional neural network
Autoencoder
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
