小样本条件下基于深度森林学习模型的典型军事目标识别方法

摘要

卷积神经网络用于一般目标识别.然而,它的卓越性能在很大程度上取决于庞大的训练数据集.但是,面对像军事目标识别任务这样的训练数据样本很少的情况,其性能会急剧下降.针对这一问题,本文设计了一种基于采用生成对抗网络与深度森林相结合的方法优化和训练识别方法.方法首先利用生成对抗网络对军事目标样本进行样本扩展,再采用主动学习的方法对所生成的样本进行优化;然后采用传统的模型增强的样本扩展方法对优化后的样本进行二次扩展;然后基于扩展后的样本,采用深度森林方法获得具有鲁棒性的网络模型,从而准确识别军事目标.实验表明,该方法具有较高的识别精度,优于其它许多算法.