摘要
本发明提供了一种基于零样本学习的声呐图像识别方法及系统,包括:采集目标的声呐图像并进行数据增强处理,构建声呐图像零样本识别数据集并分为训练集和测试集;在训练集中提取声呐图像的量化特征;在训练集和测试集上构造属性矩阵;在训练集上通过编码器获得量化特征和属性矩阵的映射关系模型;通过映射关系模型提取测试集的量化特征计算相似度,获得预测结果并评价准确率。本发明能够实现对未知类的识别,有效解决类别标签缺失问题;通过预训练的深层卷积神经网络直接提取,能提取声呐图像深层次、本质特征,能够适用于多种不同目标,泛化性、可靠性高;采用自编码器结构有效解决了训练集与测试集的同一属性在不同类别中的域偏移问题。
技术关键词
声呐
图像识别方法
编码器结构
图像识别系统
图像特征提取
矩阵
深度学习网络提取
样本
大规模图像数据
圆形笼子
训练集
深层卷积神经网络
编码器模块
解码函数
均衡方式
深度学习模型
系统为您推荐了相关专利信息
智能审核方法
审核模型
合规性
审核平台
文本特征向量
视频特征数据
数据存储安全性
数据存储模块
加密算法
扫描工具
事件检测模型
事件检测方法
待测光纤
信号特征
检测模型训练
像素点
图像识别方法
亮度
Retinex算法
多尺度