[發明專利]基于遷移學習的空間目標自主識別方法、電子設備和存儲介質

有效

• 申請號: 201911295959.1
• 申請日: 2019-12-16
• 公開（公告）號: CN111191690B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 梁彥;孫俊;陳赟;劉珊珊;韓飛
• 申請（專利權）人: 上海航天控制技術研究所
• 主分類號: G06V10/77
• 分類號: G06V10/77;G06V10/764;G06V10/774;G06V10/82;G06N3/096
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 徐雯瓊;張妍

1.一種基于遷移學習的空間目標自主識別方法，其特征在于，包括：

步驟S1、實時獲取若干幀未知空間目標的圖像數據；

步驟S2、根據若干幀前序時刻的所述未知空間目標的圖像數據對當前時刻的所述未知空間目標的圖像數據進行特征補償，得到經所述特征補償的當前時刻的未知空間目標特征圖；

所述步驟S2包括：

采用特征提取網絡提取出與每幀所述未知空間目標的圖像數據相對應的所述未知空間目標特征圖；

采用特征關聯方法，將所述當前時刻的未知空間目標特征圖與所述前序時刻的未知空間目標特征圖進行關聯，建立特征圖之間的光流場；

基于所述光流場將所述前序時刻的未知空間目標特征圖進行特征變換；

通過特征融合方法，將變換后的所述前序時刻的未知空間目標特征圖的特征嵌入所述當前時刻的未知空間目標特征圖中；

得到所述經所述特征補償的當前時刻的未知空間目標特征圖；

所述基于所述光流場將所述前序時刻的未知空間目標特征圖進行特征變換的步驟包括：對未知空間目標位置、姿態和帆板展開狀態的特征的變換；

步驟S3、對經所述特征補償的當前時刻的未知空間目標特征圖采用預先訓練好的神經網絡進行識別，得到識別結果。

2.如權利要求1所述的基于遷移學習的空間目標自主識別方法，其特征在于，還包括步驟S4：對所述識別結果進行人工判別，得到判別結果；

將所述判別結果與所述識別結果進行比較，若不一致，則存儲所述判別結果并將其反饋至所述神經網絡，以迭代訓練所述神經網絡。

3.如權利要求1所述的基于遷移學習的空間目標自主識別方法，其特征在于，在執行所述步驟S1之前，需預先訓練所述神經網絡，所述預先訓練所述神經網絡的步驟包括：

分別獲取已知空間目標的圖像數據集和未知空間目標的圖像數據集；分別提取已知空間目標的圖像數據集和未知空間目標的圖像數據集的特征圖數據集；

將已知空間目標圖像的圖像數據集及其特征圖數據集設為源域；將未知空間目標的圖像數據集及其特征圖數據集設為目標域，求解源域個體特征圖至目標域個體特征圖之間的轉換矩陣；

利用多個所述轉換矩陣的加權疊加，生成所述源域至所述目標域的特征變換矩陣，通過所述特征變換矩陣將已知空間目標的特征與未知空間目標的特征進行關聯；

利用所述特征變換矩陣分別將所述源域和所述目標域的特征變換到相同的特征空間，提取所述源域與所述目標域中存在的共同特征；

利用所述共同特征對應的共享參數去訓練所述神經網絡，使得所述神經網絡將在所述源域中學習到的知識向所述目標域中遷移。

4.如權利要求3所述的基于遷移學習的空間目標自主識別方法，其特征在于，所述已知空間目標特征圖用于描述已知空間目標的三維幾何特征、表面材質特征和紋理特征中的一種或多種；所述未知空間目標特征圖用于描述未知空間目標的三維幾何特征、表面材質特征和紋理特征中的一種或多種。

5.一種電子設備，其特征在于，包括處理器和存儲器，所述存儲器上存儲有計算機程序，所述計算機程序被所述處理器執行時，實現權利要求1至4中任一項所述的方法。

6.一種可讀存儲介質，其特征在于，所述可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時，實現權利要求1至4中任一項所述的方法。