面向无人机小样本目标识别的元学习方法研究

摘要

深度学习在基于图像检测和识别的问题上取得了显著的成果,然而该方法通常需要大量标记的样本进行大规模的预先训练,因而难以解决样本量不足条件下的场景感知和认知问题。以无人机识别地面目标为背景,提出一种基于小样本训练的学习框架。首先将元学习与迁移学习相结合,通过预训练和元学习等步骤,有效减少了解决未知新任务所需的训练样本量和迭代次数。并在公共数据集(Omniglot)对该算法进行验证,得到了良好的识别结果。最后对无人机拍摄的图像数据集进行小规模样本的识别模型定义,在算法经过学习后能够输出较为准确的样本识别和分类,从而验证了该算法的有效性和先进性。