迁移学习在天基红外目标识别中的应用

摘要：

星载红外传感器对飞行的火箭进行识别时,因为观测数据有限,一般属于小样本甚至单样本学习的分类问题.本文建立了一种以一维全卷积为主体结构的孪生神经网络,将多分类问题转化为比较相似度的验证问题;并利用UCR时间序列数据集的预训练权重,对孪生神经网络的卷积特征提取部分进行知识迁移,最后使用公开文献中火箭红外辐射强度序列数据对网络进行微调,形成了一个能够比较两型火箭相似度的迁移学习网络.实验结果表明,本文建立的模型能够从其他数据集中学习到有利于时间序列相似性度量的信息,训练过程也具备可行性,在单样本情况下能较好地实现对火箭的识别.

关键词：目标识别;迁移学习;孪生神经网络

所属期刊栏目：52

分类号：TP75(遥感技术)

资助基金：重点实验室基金项目No.61424080215

在线出版日期：2022-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：122-128