电讯技术

作者：付瑞玲,曹桂州,张洋洋,乐丽琴

单位：(1.黄河科技学院 工学部，郑州 450000;2.国网河南省电力公司电力科学研究院,郑州 450052)

关键词：船舶识别；小样本元学习；Swin Transformer；度量学习；多尺度特征；

基金：河南省高等学校青年骨干教师培养计划(2023GGJS185)；河南省研究生教育改革与质量提升工程项目(YJS2023JD67)

为提高多场景环境下的海上船舶目标识别的准确率，提出了一种基于小样本元学习网络的海上船舶识别算法。首先，利用一组共享权重的卷积神经网络VGG-16和Swin Transformer网络将海上船舶图片映射到深度全局和局部特征空间，构造多尺度特征；然后，借助船舶图片的真实mask分离目标船只的前景和背景，并利用一种粗细结合的语义学习策略获取前景和背景区域中目标的类特定语义表示；最后，利用一种无参数的度量学习计算所学类特定语义表示与查询图片中目标映射特征之间的相似度，根据相似度值预测目标特征图对应的目标区域。通过在构建的远洋船舶数据集和开源数据集HRSC2016上进行测试，所提模型分别可以实现81.64%和78.93%的平均交并比（Mean Intersection over Union，mIoU），相比主流的海上船舶识别模型具有更好的性能。

来源：2024年第8期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第8期