基于特征子空间生成对抗网络的小样本目标识别方法   0    0

本发明公开了一种基于特征子空间生成对抗网络的小样本目标识别方法；本发明先获取用于训练生成对抗网络的特征，接着使用重组后的特征数据训练生成对抗网络，再使用训练后的生成对抗网络生成新的特征对小样本数据进行扩充，最后使用扩充后的数据训练目标识别网络。本发明的关键在于使用生成对抗网络数据驱动的特点和较强的模仿能力，模仿对于不同因素导致退化的水下图像的增强策略。利用属性分支和判别分支这种多分支的结构增强学习的综合性和鲁棒性。

1.基于特征子空间生成对抗网络的小样本目标识别方法，其特征在于，该方法具体包括以下步骤：
步骤(1)、获取用于训练生成对抗网络的特征
1.1使用分类网络对图像样本数据进行粗训练；
使用卷积神经网络，对图像样本数据进行粗训练，训练后得到权重参数和偏置参数分别为W和B；
1.2使用W和B两组参数将样本映射到特征子空间，得到特征数据；
设小样本数据中共有n张图像，这n张图像样本数据为集合A，其中每一张图像样本为Ak，其中1≤k≤n；将样本数据通过W和B参数映射到特征子空间的具体方式为Ck＝WAk+B
其中，Ck为与图像样本Ak对应的特征子空间上的特征数据；C为由所有的特征数据Ck组成的集合；
1.3对特征子空间中的特征数据进行拆分；
设Ck数据一共有x个通道，则将Ck按通道1到通道x进行拆分，每一个Ck特征数据可以拆分为x份,记为Ck1、Ck2……Ckx；
1.4对拆分后的特征数据进行重组；
x
将拆分后的数据按通道排序进行随机组合，得到数据集D，其中数据集D中有k个特征数据；
步骤(2)、使用重组后的特征数据训练生成对抗网络；
步骤(3)、使用训练后的生成对抗网络生成新的特征对小样本数据进行扩充；
步骤(4)、使用扩充后的数据训练目标识别网络。