基于小样本学习的军事装备识别技术

针对军事装备样本稀缺昂贵、目标识别研究进展缓慢等问题，从人类认知科学出发，提出利用民用装备数据完成深度学习训练，实现大样本知识积累；采用模式识别算法提取装备武器特征，实现样本目标识别。通过分析2种样本属性空间距离，利用卷积神经网络作为前端，采用SIFT算法作为后端，构建递进学习模型，实现对多种军事装备的高效识别。实验测试模型识别坦克、战机和军舰平均置信度分别为87%、92%和91%,军事装备武器样本数量决定目标识别精度，样本泛化可提高目标识别率。提出的递进学习模型充分利用深度学习和模式识别算法优势，实现军事领域武器装备小样本目标识别。