[发明专利]一种基于全局注意力关系网络的小样本船舶目标识别方法在审
申请号: | 202111147583.7 | 申请日: | 2021-09-29 |
公开(公告)号: | CN113869418A | 公开(公告)日: | 2021-12-31 |
发明(设计)人: | 孟浩;田洋;李涛;孙宇婷;孔令儒 | 申请(专利权)人: | 哈尔滨工程大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 全局 注意力 关系 网络 样本 船舶 目标 识别 方法 | ||
1.一种基于全局注意力关系网络的小样本船舶目标识别方法,其特征是:包括以下步骤:
S1:使用Meta-Learning数据划分方式生成小样本任务集,并进行模型加载及训练;
S2:搭建跨目标全局注意力机制模型;
S3:搭建基于跨目标全局注意力机制的RN网络结构;
S4:使用Cosine距离度量样本特征相似度,并对距离长度进行比较目标样本特征;
S5:使用训练优化方法训练网络。
2.根据权利要求1所述的一种基于全局注意力关系网络的小样本船舶目标识别方法,其特征是:所述步骤S1包括以下步骤:
S1.1:将数据集训练划分为三个数据集:训练集,支持集和测试集。支持集和测试集共享相同的标签空间,但是训练集具有自己的标签空间,该标签空间与支持/测试集不相交;
S1.2:训练时在每次训练迭代中,通过从训练集中随机选择C个类别(其中每个类别有K个标记样本)来形成每个训练任务;
S1.3:每个训练任务的样本集合分为:
支持集:S={(xi,yi)},mi=1,m=k×C;
查询集:Q={(xi,yi)},nj=1;
式中,C类样本的其余部分为未标记的样本。
3.根据权利要求2所述的一种基于全局注意力关系网络的小样本船舶目标识别方法,其特征是:所述步骤S2包括以下步骤:
S2.1:对特征提取f进行两支路卷积操作;
S2.2:对两支路卷积后特征相加后进行softmax平滑:
N=softmax(a+b);
式中,a为一支路输出,b为二支路输出;
S2.3:对平滑后的特征图像与特征提取f进行相减后传入FC层进行融合:
I=Wg*f+bg;
式中f∈Rw×h×C,w、h、c分别表示宽度、高度和通道数,A={αi∈Rc,i=1,...,D},wg∈R1×1×C×D和bg∈RD是卷积的参数。V∈RD×C表示输出描述符。fj-αi表示残差操作。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学,未经哈尔滨工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111147583.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种体育训练健身用电动自行车
- 下一篇:一种MC尼龙轮及其生产方法