-
公开(公告)号：CN117079104B
公开(公告)日：2024-01-12
申请号：CN202311332823.X
申请日：2023-10-16
Applicant: 北京理工大学
Abstract: 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(公告)号：CN117079104A
公开(公告)日：2023-11-17
申请号：CN202311332823.X
申请日：2023-10-16
Applicant: 北京理工大学
Abstract: 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。
-
Search Results
2
records
(took 0.015 seconds)
