技术特征：
技术总结
本发明公开一种基于深度迁移度量学习的小样本目标识别方法。该方法首先直接提取典型深度网络的前几个卷积层，构建特征子网络。输入为目标域图像对与源域图像对，输出为上述通用特征。提取源域与目标域图像的特征，采用典型特征提取方法以保证样本描述在特征空间上具有紧致性。适配源域与目标域之间的分布差异，确保源域的信息能够合理迁移到目标域。适配好的子网络作为分类器，输入一对待识别的目标图像，输出它们是否同类的分类信息，完成目标识别。本发明由于有机结合了迁移学习与度量学习这两种机器学习方法，突破现有小样本学习方法的局限，方法简单易于实现，对使用传统方法的工程无需重新构造，详细兼容，能够节省大量人力。
技术研发人员：陈华杰;张杰豪;姚勤炜;侯新雨
受保护的技术使用者：杭州电子科技大学
技术研发日：2018.08.27
技术公布日：2019.02.22