- 专利标题: 一种基于小样本深度学习的快速毁伤识别和定位方法
-
申请号: CN202311332823.X申请日: 2023-10-16
-
公开(公告)号: CN117079104B公开(公告)日: 2024-01-12
- 发明人: 熊芬芬 , 张千晓 , 李超
- 申请人: 北京理工大学
- 申请人地址: 北京市海淀区中关村南大街5号
- 专利权人: 北京理工大学
- 当前专利权人: 北京理工大学
- 当前专利权人地址: 北京市海淀区中关村南大街5号
- 代理机构: 北京正阳理工知识产权代理事务所
- 代理商 周蜜
- 主分类号: G06V10/82
- IPC分类号: G06V10/82 ; G06V10/26 ; G06V10/24 ; G06N3/0464 ; G06N3/08 ; G06T7/70
摘要:
本发明提出了一种基于小样本深度学习的快速毁伤识别和定位方法,能够避免定位误差同时显著减少人工标注成本。本发明的面向靶板穿孔目标的小样本深度学习毁伤识别和定位方法,基于深度学习的图像矫正、毁伤识别和穿孔定位,引入深度学习进行靶板图像矫正,避免了拍摄图像偏斜、扭曲等导致的定位误差,减少毁伤图像拍摄中因外部因素导致的毁伤定位偏差,大大降低毁伤识别的人工成本;本发明在目标识别方面引入元学习的小样本深度学习技术显著降低了样本需求量,对比于其余需要大量有标注的数据集,显著减少了样本需求量,大致只需切割并标注两张左右的完整战斗部靶板图像,就可以实现目标检测。
公开/授权文献
- CN117079104A 一种基于小样本深度学习的快速毁伤识别和定位方法 公开/授权日:2023-11-17