买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军海军航空大学

摘要：本发明公开了一种跨域场景下的遥感图像未知船舶目标类型识别方法。本方法通过将跨域场景内样本特征映射到公共特征空间，并构建同类型船舶和不同类型船舶样本特征的域内和域间损失，实现了船舶样本特征的域内、域间对齐，从而提升了模型的跨域应用效果；本方法还进一步在特征空间基础上建立可扩展的伪标签空间及伪标签空间与真实标签空间的映射关系，通过构建聚类簇损失实现了同类型样本在特征空间上的聚集及不同类型样本在特征空间上的分散，从而实现了对未知目标类型的有效区分和识别。本发明可针对不同遥感图像场景下的未知船舶目标进行识别。

主权项：1.一种跨域场景下的遥感图像未知船舶目标类型识别方法，其特征在于包括以下步骤：步骤1.给定来自不同域的船舶训练数据，所述训练数据中既包括已知类型的训练样本也包括未知类型的训练样本；已知类型的样本通过真实标签标记其类型；步骤1中，设所述训练数据来自M个不同的域，将所有训练数据表示为M个与域一一对应的训练数据集合的形式：X＝{Xm|m＝1,…,M}， 其中，Nm为第m个域的样本数量，表示来自第m个域的第i个训练样本；为样本的真实标签，1～C表示已知的C个类型，u表示未知类型；步骤2.构建基于DenseNet网络的特征提取网络，为各训练样本提取特征向量；步骤2中，所述特征提取网络采用DenseNet网络，样本的特征向量记作其中，m＝1,…,M，i＝1,…,Nm，ω为DenseNet的网络参数；步骤3.对所有提取出的特征向量进行聚类，得到多个聚类簇和对应的聚类中心向量；为各聚类簇分配伪标签；步骤3中，设共获得α个聚类簇Sk，k＝1,…,α；设聚类簇Sk包含的样本数量为sk，将聚类簇Sk的伪标签记为将聚类簇Sk中的样本的伪标签记为步骤4.求取特征提取网络中的最优网络参数；步骤4中，构造联合优化函数Jω，采用随机梯度下降方法进行优化，求得最优网络参数ω*：Jω＝LSA+LSS+LSC； 其中，γ为bool函数，若则否则q+为当前样本所在的聚类簇的聚类中心向量；τ为预设的超参数；qk为第k个聚类簇的聚类中心向量；然后利用随机梯度下降方法求解使得Jω最小的参数ω*，ω*即为最优网络参数；步骤5.基于聚类簇中样本的真实标签以及聚类簇的伪标签，构建伪标签空间与真实标签空间的映射关系，得到各聚类簇的真实标签；步骤6.给定测试样本，利用步骤4中求取的最优网络参数计算测试样本的特征向量，再根据其特征向量寻找最接近的聚类簇，以该聚类簇的真实标签所代表的类型作为该测试样本的类型识别结果。

全文数据：

权利要求：

百度查询： 中国人民解放军海军航空大学 跨域场景下的遥感图像未知船舶目标类型识别方法