生成对抗网络辅助学习的舰船目标精细识别
针对近岸舰船目标细粒度识别的难题,提出了一种利用生成对抗网络辅助学习的任意方向细粒度舰船目标识别框架.通过训练能模仿舰船目标区域的抽象深度特征的生成网络引入生成样本,来辅助分类子网络学习样本空间的流形分布,从而增强细粒度的类别间判别能力.在细粒度类别的近岸舰船数据集上,引入生成对抗网络后的算法识别准确率得到较大提升,平均识别精度提升了2%.消融实验结果表明,利用生成样本辅助训练分类子网络可以有效地提升舰船目标的细粒度识别精度.
遥感图像、近岸舰船、舰船目标检测、舰船识别、舰船细粒度分类、生成对抗网络、深度学习、图像处理
15
TP391(计算技术、计算机技术)
国家自然科学基金项目61273279
2020-08-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
296-301