[發(fā)明專利]一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法

有效

• 申請?zhí)枺?/td>: 202010216387.X
• 申請日: 2020-03-25
• 公開（公告）號: CN111444955B
• 公開（公告）日: 2022-08-02
• 發(fā)明（設計）人: 王興梅;孫博軒;王坤華;徐義超;孟稼祥
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06K9/62;G06V10/26;G06V10/40;G06T7/11;G06V10/774
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法，其特征在于：步驟如下：

步驟(1)利用CGAN和DCGAN生成水下聲納圖像以構建生成數據集，并構建均衡和非均衡兩種水下聲納圖像原生數據集；

步驟(2)基于AAE的改進方法構建領域自適應的源域：

①提取特征并進行語義分割；

②在水下聲納圖像生成數據集上利用偽標簽技術訓練源域模型；

③將偽標簽轉為熱編碼格式后輸入改進的AAE模型以提取源域特征；

步驟(3)基于對抗學習的方法構建領域自適應的目標域：使用源域模型參數初始化目標域模型，提取目標域特征，利用對抗學習對齊隱藏空間；

步驟(4)訓練目標域，在均衡和非均衡數據集上實現(xiàn)水下聲納圖像分類。

2.根據權利要求1所述的一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法，其特征是：在步驟(1)中在每類圖像中預選出原生照片帶有人為標簽，隨后利用CGAN和DCGAN生成水下聲納圖像并將標簽數據寫入生成數據集中。

3.根據權利要求1或2所述的一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法，其特征是：所述步驟(1)中利用CGAN和DCGAN生成水下聲納圖像以構建源域的水下聲納圖像生成數據集，并且構建水下聲納圖像原生均衡和非均衡數據集。

4.根據權利要求3所述的一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法，其特征是：在步驟(2)中提取特征并進行語義分割。

5.根據權利要求1或4所述的一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法，其特征是：所述步驟(2)中設置閾值，利用偽標簽技術生成部分樣本的標簽，并采用以下策略進行偽標簽：其中x為輸入，f(·)表示源域的分類函數，T為實驗所設閾值；所得偽標簽用于源域的半監(jiān)督訓練，從而提取源域數據集的特征。

6.根據權利要求5所述的一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法，其特征是：所述步驟(2)中將所得的標簽轉為熱編碼格式再嵌入到改進的AAE生成器中，完成源域的訓練。

7.根據權利要求1或6所述的一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法，其特征是：在步驟(3)中使用源域的已訓練模型參數初始化目標域的參數，并利用判別器來對齊隱藏空間。

8.根據權利要求1所述的一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法，其特征是：在步驟(4)中，根據AAE的半監(jiān)督訓練方式訓練目標域，使得目標域模型具有類意識，并采用Softmax回歸算法作為損失函數1{·}表示的是標示函數，y為數據標簽，ω為權重，m為樣本數量，當y⁽ⁱ⁾＝d為真時，返回1，否則返回0；并在非均衡和均衡數據集上實現(xiàn)水下聲納圖像無監(jiān)督分類。

9.根據權利要求7所述的一種基于類意識領域自適應的水下聲納圖像無監(jiān)督分類方法，其特征是：在步驟(4)中，根據AAE的半監(jiān)督訓練方式訓練目標域，使得目標域模型具有類意識，并采用Softmax回歸算法作為損失函數1{·}表示的是標示函數，y為數據標簽，ω為權重，m為樣本數量，當y⁽ⁱ⁾＝d為真時，返回1，否則返回0；并在非均衡和均衡數據集上實現(xiàn)水下聲納圖像無監(jiān)督分類。