文章详情
| 稿件标题： | 基于小样本学习的军事装备识别技术 |
| 稿件作者： | 靳文兵,郭江宇,陈志华,吕昊,黄明杰 |
| DOI： | 10.11809/bqzbgcxb2023.07.005 |
| 科学编辑： | 刘勇（电子科技大学研究员 西南科技大学博导） |
| 栏目名称： | 智能光电检测技术专栏 |
| 关键词： | 深度学习；小样本学习；目标识别；军事装备；武器特征 |
| 文章摘要： | 针对军事装备样本稀缺昂贵、目标识别研究进展缓慢等问题，从人类认知科学出发，提出利用民用装备数据完成深度学习训练，实现大样本知识积累；采用模式识别算法提取装备武器特征，实现样本目标识别。通过分析2种样本属性空间距离，利用卷积神经网络作为前端，采用SIFT算法作为后端，构建递进学习模型，实现对多种军事装备的高效识别。实验测试模型识别坦克、战机和军舰平均置信度分别为87%、92%和91%，军事装备武器样本数量决定目标识别精度，样本泛化可提高目标识别率。提出的递进学习模型充分利用深度学习和模式识别算法优势，实现军事领域武器装备小样本目标识别。 |
| 引用本文格式： | 靳文兵,郭江宇,陈志华,等.基于小样本学习的军事装备识别技术［J］.兵器装备工程学报，2023，44(7)：32-38. JIN Wenbing, GUO Jiangyu, CHEN Zhihua, et al.Military equipment recognition technology based on small sample learning［J］.Journal of Ordnance Equipment Engineering，2023，44(7)：32-38. |
| 刊期名称： | 2023年07期 |
| 出版时间： | 2023年7月 |
| 上线时间： | 2023年7月28日 |
| 浏览次数： | 2384 |
| 下载次数： | 84 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |