一种基于紧致性特征学习的空间卫星目标识别方法
实质审查的生效
摘要
本发明公开了一种基于紧致性特征学习的空间卫星目标识别方法，涉及空间目标识别技术领域，提出一种将施加紧致性约束的卷积自编码器（Compact Convolutional Auto‑Encoder，CCAE）用于小样本下的空间卫星目标图像特征学习方法。针对现有深度学习方法在小样本空间卫星目标图像上特征学习能力不足的问题，通过对传统卷积自编码器损失函数施加紧致性约束，可同时最小化重建误差和类内样本误差，使所学特征空间中类内样本的距离缩小，同时扩大类间样本距离，进而提高特征判别性。因而，本发明提出了一种基于紧致性特征学习的空间卫星目标识别方法，较好地克服传统有监督模型在小样本下训练效率低下，易发生过拟合的缺点，从而有效提升了目标识别率。
基本信息
专利标题 ：
一种基于紧致性特征学习的空间卫星目标识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114373119A
申请号 ：
CN202210006296.2
公开（公告）日 ：
2022-04-19
申请日 ：
2022-01-05
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈欣欣楼小弟泮恒拓
申请人 ：
浙江大学湖州研究院
申请人地址 ：
浙江省湖州市南太湖新区科技创新中心6D幢9楼
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
林松海
优先权 ：
CN202210006296.2
主分类号 ：
G06V20/00
IPC分类号 ：
G06V20/00 G06V10/46 G06V10/774 G06V10/82 G06K9/62 G06N3/04
法律状态
2022-05-06 ：
实质审查的生效
IPC(主分类) : G06V 20/00
申请日 : 20220105
申请日 : 20220105
2022-04-19 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
