[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

专利信息
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
【权利要求书】:

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。fji表示残差操作。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top