科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于深度学习的雷达目标识别方法近年来获得较大关注，但实战中存在时效性约束和资源限制，小样本识别难题大大限制其在实际识别任务中的性能。针对这一问题，本文基于元学习算法，通过从多个相关任务中学习到的元知识改善新任务的性能，引入迁移学习思想，提出一种改进的小样本学习方法，并通过详细的性能对比实验分析了该方法的应用边界条件。基于实测高分辨距离像数据的实验结果表明，元学习方法在历史积累样本所含目标类别较多，与目标任务相关度较大的极小样本情况下，性能优势才突出，所提方法可显著提升其综合识别性能。
-
单位南京电子技术研究所; 中国电子科技集团公司
