典型文献
基于深度聚类的目标细粒度分类方法
文献摘要：
为提高光电系统对弱小目标的识别和分类能力,降低算法对硬件平台和数据的依赖,提出一种无监督分类方法?基于目标深度特征聚类的细粒度分类方法.该方法通过轮廓、颜色、对比度等浅层特征提取提示目标,经超分辨处理后,利用卷积神经网络对目标的深层特征进行编码,进一步采用基于注意机制的主成分分析方法进行降维生成表征矩阵,最后利用聚类的方式实现目标细粒度分类.实验验证了基于不同神经网络的深度聚类方法在不同数据集上的分类性能,其中采用ResNet-34聚类方法在CIFAR-10测试集上细粒度分类性能达92.71％,结果表明,基于深度聚类的目标细粒度方法能够取得与强监督学习方法相当的目标分类效果.此外,还可以根据不同簇数和聚类等级的选择实现不同细粒度的分类效果.
文献关键词：
目标检测;细粒度分类;深度聚类;表征矩阵
中图分类号：
作者姓名：
陆红强;王俊林;王亚楠;安学智;宁新潮;骞琨
作者机构：
西安应用光学研究所,陕西 西安 710065
文献出处：
引用格式：
[1]陆红强;王俊林;王亚楠;安学智;宁新潮;骞琨-.基于深度聚类的目标细粒度分类方法)[J].应用光学,2022(04):669-675
A类：
表征矩阵
B类：
深度聚类,细粒度分类,分类方法,光电系统,弱小目标,硬件平台,无监督分类,目标深度,深度特征,特征聚类,过轮,对比度,超分辨,深层特征,注意机制,主成分分析方法,实现目标,聚类方法,分类性能,ResNet,CIFAR,测试集,监督学习,目标分类,分类效果,目标检测
AB值：
0.316761
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
