仪器仪表学报

作者：孟 浩，田 洋，孙宇婷，李 涛

单位：孟 浩,1. 哈尔滨工程大学智能科学与工程学院，2. 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室,,田 洋,1. 哈尔滨工程大学智能科学与工程学院，2. 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室,,孙宇婷,1. 哈尔滨工程大学智能科学与工程学院，2. 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室,,李 涛,1. 哈尔滨工程大学智能科学与工程学院，2. 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室,

关键词：小样本;船舶识别;全局注意力;关系度量网络

基金：船舶态势智能感知系统研制(MC-201920-X01)项目资助

实际场景中采集的船舶目标类别样本数量不均衡,模型训练易导致过拟合。传统迁移学习的数据集划分存在类别交叉,造成未标注新类别识别精度低。为解决上述问题,提出了一种跨目标通用全局注意力机制与关系度量网络融合的小样本船舶识别算法。该方法通过在关系网络中引入全局注意力机制,利用关系网络提取到的原始特征,经过全局注意力机制平滑不均衡类别间的目标特征,并与关系网络提取的原始特征融合后进行特征距离度量。该方法增强了全局特征之间的一致性,有利于学习不变的目标特征,提升少样本少标签的船舶目标识别性能,解决了训练过程中类别不均衡导致的过拟合问题。利用自己采集制作的船舶数据集对本文方法进行测试实验,识别精度提高了5.6%(5-shot)、3.2%(1-shot),减小了不均衡类别对模型目标识别造成的影响,增强了模型的鲁棒性。

来源：2021年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第12期