面向小样本的遥感影像目标识别技术

为了解决深度学习方法网络模型在小样本遥感图像目标识别场景下过拟合、性能急剧下降等问题,设计了基于度量学习的小样本目标识别方法RS-DN4。在度量模块中选择前k个具有代表性的特征进行目标相似度的计算;引入元学习中阶段式训练理念,执行上万次任务级迭代训练;基于互联网开源遥感影像数据集和自有遥感影像数据集,构建了一套包含21类不同遥感目标切片数据的多尺度、多分辨率的遥感影像数据集RSD-FSC,并据此进行RS-DN4方法的实验验证。结果表明:针对新类小样本目标,当训练样本分别只有1,5和10个时,平均识别准确率可分别达到59.13%,82.55%和87.80%,相对于其他方法,RS-DN4在遥感图像小样本目标识别中具有识别准确率高、泛化能力强等优势。RS-DN4方法实现难度适中,在小样本遥感目标检测识别领域的工程应用场景中具有推广应用价值。