一种基于CGAN和GcForest的军事目标识别方法

• 作者: 刘泽平 林洋 董宝良
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 图像识别 生成对抗网络 深度森林 启发式学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 应用技术
• 页码范围: 134-138
• 页数: 5页
• 分类号: TP391.41
• 字数: 3633字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.03.026

摘要

文中提出一种基于CGAN和GcForest的军事目标识别方法,通过构建CGAN对军事目标样本进行扩展和质量提升.进而基于启发式学习进行抽样迭代,构建有效的样本训练集.在高质量训练集的基础上,通过GcForest进行有监督的学习,最终得到军事目标识别的分类网络模型.文中所提方法相对于CNN、KNN、SVM等方法,在目标样本识别整体准确率上高出7.80％ ～75.27％,同时在不同小规模样本的条件下整体准确度高出29.21％ ～67.50％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林洋	中国电子科技集团公司第十五研究所	3	0	0.0	0.0
2	董宝良	中国电子科技集团公司第十五研究所	4	0	0.0	0.0
3	刘泽平	中国电子科技集团公司第十五研究所	4	0	0.0	0.0