基于正则化正交非负矩阵分解的旋转目标检测方法

摘要：

小样本的旋转目标检测是指在样本数少的情况下进行旋转目标检测模型的训练,深度学习在旋转目标检测领域往往需要庞大的样本数和计算算力.现有的基于机器学习的旋转目标检测方法大多有着对目标尺度和姿态敏感的缺点.因此提出一种基于正则化正交非负矩阵分解的旋转目标检测方法,来解决小样本的旋转目标检测难题.首先,针对样本不具有各种角度的图片,对样本进行旋转后进行背景填充,这样便于更好的表征学习.其次,提出一种基于正则化正交非负矩阵分解算法对旋转样本的梯度直方图特征进行表征学习.最后,为了测试算法在特征学习后的有效性,利用支持向量机对特征提取后的数据进行训练和测试.实验结果表明本文的目标检测方法在多个数据集中可以取得不错的效果.

关键词：正则化、正交非负矩阵分解、梯度直方图特征、旋转目标检测、支持向量机

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金U1805263

在线出版日期：2024-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：106-115