基本信息:
- 专利标题： 基于细粒度和增量学习的可见光图像中航天器分类方法
- 申请号：CN202311441793.6 申请日：2023-11-01
- 公开(公告)号：CN117576442A 公开(公告)日：2024-02-20
- 发明人： 刘向丽 , 王晓哲 , 王志国 , 李赞 , 谭薇 , 高瑞雪
- 申请人： 西安电子科技大学
- 申请人地址： 陕西省西安市雁塔区太白南路2号
- 专利权人： 西安电子科技大学
- 当前专利权人： 西安电子科技大学
- 当前专利权人地址： 陕西省西安市雁塔区太白南路2号
- 代理机构： 陕西电子工业专利中心
- 代理人： 田文英; 黎汉华
- 主分类号： G06V10/764
- IPC分类号： G06V10/764 ; G06V10/74 ; G06V10/774 ; G06V10/82 ; G06N3/096
摘要：
本发明公开了一种基于细粒度和增量学习的可见光图像中航天器分类方法，其实现步骤为：构建Efficient Net网络与全连接层串联组成的可见光图像分类网络，生成基础训练样本集和增量学习样本集，先使用基础训练样本集，通过交叉熵损失函数训练网络，将航天器的特征与标签匹配，初步实现图像分类，再使用余弦损失函数训练网络，扩大特征的类间距离，缩小类内距离，优化相似图像的分类，使用增量学习样本集训练网络，使用特征匹配和阈值判断方法相结合，得到训练好的网络。本发明通过三次对网络的训练，提高了相似性高的航天器可见光图像分类的准确性，具有特征区分能力强，分类准确率高，可拓展性的优点。