论文摘要
深度学习在基于图像检测和识别的问题上取得了显著的成果,然而该方法通常需要大量标记的样本进行大规模的预先训练,因而难以解决样本量不足条件下的场景感知和认知问题。以无人机识别地面目标为背景,提出一种基于小样本训练的学习框架。首先将元学习与迁移学习相结合,通过预训练和元学习等步骤,有效减少了解决未知新任务所需的训练样本量和迭代次数。并在公共数据集(Omniglot)对该算法进行验证,得到了良好的识别结果。最后对无人机拍摄的图像数据集进行小规模样本的识别模型定义,在算法经过学习后能够输出较为准确的样本识别和分类,从而验证了该算法的有效性和先进性。
论文目录
文章来源
类型: 期刊论文
作者: 李宏男,吴立珍,牛轶峰,王菖
关键词: 小样本学习,目标检测,图像识别,元学习,迁移学习,无人机目标识别
来源: 无人系统技术 2019年06期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 国防科技大学智能科学学院
基金: 国家自然科学基金（61876187）
分类号: TP18;TP391.41
页码: 17-22
总页数: 6
文件大小: 6112K
下载量: 382