公开(公告)号：CN110363060B

公开(公告)日：2021-07-20

申请号：CN201910271102.X

申请日：2019-04-04

Applicant: 杭州电子科技大学

Inventor： 陈华杰 ,  侯新雨 ,  姚勤炜 ,  张杰豪 ,  韦玉谭 ,  刘栋

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征子空间生成对抗网络的小样本目标识别方法；本发明先获取用于训练生成对抗网络的特征，接着使用重组后的特征数据训练生成对抗网络，再使用训练后的生成对抗网络生成新的特征对小样本数据进行扩充，最后使用扩充后的数据训练目标识别网络。本发明的关键在于使用生成对抗网络数据驱动的特点和较强的模仿能力，模仿对于不同因素导致退化的水下图像的增强策略。利用属性分支和判别分支这种多分支的结构增强学习的综合性和鲁棒性。

公开(公告)号：CN110363060A

公开(公告)日：2019-10-22

申请号：CN201910271102.X

申请日：2019-04-04

Applicant: 杭州电子科技大学

Inventor： 陈华杰 ,  侯新雨 ,  姚勤炜 ,  张杰豪 ,  韦玉谭 ,  刘栋

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征子空间生成对抗网络的小样本目标识别方法；本发明先获取用于训练生成对抗网络的特征，接着使用重组后的特征数据训练生成对抗网络，再使用训练后的生成对抗网络生成新的特征对小样本数据进行扩充，最后使用扩充后的数据训练目标识别网络。本发明的关键在于使用生成对抗网络数据驱动的特点和较强的模仿能力，模仿对于不同因素导致退化的水下图像的增强策略。利用属性分支和判别分支这种多分支的结构增强学习的综合性和鲁棒性。