基于特征迁移和原型网络的小样本雷达像识别OA北大核心CSTPCD
Radar Image Recognition with Few Samples Based on Feature Transfer and Prototypical Network
克服深度学习训练数据不足问题的主流方法是深度迁移学习,当目标域训练样本缺失不严重且目标域与源域样本空间相差不大时,该方法的性能几乎不亚于在充足训练样本集上训练得到的深度模型;但当训练样本数很少甚至只有几个时,该方法会由于过拟合导致模型泛化能力太差而失效.在非合作目标雷达像识别中,往往难以获取充足的训练图像样本.针对这一问题,文中将单样本学习(OSL)引入训练样本极少情况下的雷达像识别中,提出了一种特征迁移和原型网络相结合的小样本雷达像识别新方法.…查看全部>>
高勋章;刘迪阳;杨宜
国防科技大学电子科学学院,长沙410073国防科技大学电子科学学院,长沙410073国防科技大学电子科学学院,长沙410073
信息技术与安全科学
单样本学习特征迁移原型网络雷达像识别
《现代雷达》 2022 (4)
50-55,6
国家自然科学基金委资助项目(61921001)
评论