细粒度遥感舰船开集识别

作者：柳长源^*; 李婷; 兰朝凤

来源：光学精密工程, 2023, 31(24): 3618-3629.

• 注意力机制
• 细粒度分类
• 开集识别
• 决策融合

为了解决传统深度卷积神经网络在舰船图像细粒度分类中的局限性，本文设计了细粒度遥感舰船开集识别模型。首先，引入了基于注意力机制的STN模块，加在特征提取网络前用来过滤背景信息；然后在STN模块后接一个多尺度的并行的卷积结构，强化网络对不同尺度的局部区域的特征提取能力；接着将提取到的特征分别输入基分支和元嵌入分支，用来增大类间方差和减小类内方差，同时强化模型对尾类小样本的学习；最后对两个分支的分类结果进行决策融合，根据设定的阈值判别已知类和未知类进一步对已知类进行细分。在平衡与不平衡分布的FGSCR-42数据集上进行了4种开放度实验，结果表明：在平衡分布的数据集上4种开放度的平均准确率为90.5%,86.3%,85.7%,85.1%，不平衡分布数据集的平均准确率为90.0%,85.1%,84.3%,84.1%。与当前主流的舰船识别方法相比，本文方法分类具有更高的识别准确率和更好的泛化能力。

• 单位
  哈尔滨理工大学