摘要
本发明涉及一种基于生成判别式的ISAR图像开放集识别方法,包括:选取目标类型并生成图像作为数据集;将已知类训练集输入分类器,利用已知类模块总损失对分类器的参数进行更新,得到初步训练后的分类器;初始化生成器、判别器参数;固定生成器,将已知类训练集和第一假样本输入判别器,利用判别器损失函数对判别器的参数进行更新;固定判别器,将潜在空间中的噪声向量输入生成器,利用生成器损失函数对生成器的参数进行更新;将已知类训练集和假样本输入初步训练后的分类器,并基于约束条件对分类器进行训练;联合交替优化得到训练好的分类器,训练好的分类器用于结合极值分布理论,对测试集进行识别。该方法提高了ISAR开放集识别的准确性和可靠性。
技术关键词
分类器
样本
累积分布函数
特征提取单元
联合交替优化
极值分布理论
识别方法
校正
卷积模块
噪声
训练集
训练神经网络
数据
图像
超参数
场景
原型
系统为您推荐了相关专利信息
样本生成方法
建筑物
遥感影像变化检测
计算机程序指令
对象分类器