典型文献
空间变化场景下卫星部组件域适应识别研究
文献摘要：
针对小样本限制下卫星部组件识别域适应困难的问题,提出一种变化场景下自适应迁移的目标识别算法.卫星部组件的识别模型框架为YOLO,迁移算法包括3个策略:基于特征关联性的样本加权策略,基于模型的参数自适应策略和最优特征变换自适应迁移策略.基于以上策略,YOLO模型建立域特征空间的相似性,选择性地迁移源域知识,同时在适应过程中通过调整策略边界学习不变特征表示,以此来加强模型的自适应迁移能力.迁移实验中,分别验证了3个策略的迁移能力,有效提升YOLO模型在复杂多变空间环境下对卫星部组件的稳定识别.实验结果表明:基于特征关联性学习到的权重要优于随机初始化权重,参数自适应迁移显著提升了目标域的测试精度,最优特征变换显著提升模型的泛化性能力.
文献关键词：
卫星部组件识别;域适应;迁移学习;在轨服务
中图分类号：
作者姓名：
牟金震;朱文山;盛延平;李爽;梁彦
作者机构：
上海航天控制技术研究所 上海 201109;上海空间智能控制技术重点实验室 上海 201109;南京航空航天大学 航天学院 南京 211106
文献出处：
引用格式：
[1]牟金震;朱文山;盛延平;李爽;梁彦-.空间变化场景下卫星部组件域适应识别研究)[J].遥测遥控,2022(02):1-9
A类：
卫星部组件,卫星部组件识别
B类：
空间变化,域适应,小样本,下自,目标识别算法,识别模型,模型框架,YOLO,特征关联,样本加权,基于模型,参数自适应,自适应策略,优特,特征变换,迁移策略,上策,特征空间,源域,适应过程,调整策略,不变特征,特征表示,迁移能力,迁移实验,变空,空间环境,初始化,目标域,测试精度,泛化性能,迁移学习,在轨服务
AB值：
0.389626
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。
