智能已知与新型飞机识别——从分类到相似性学习的作战识别转变
计算机视觉与模式识别
2024-02-27 v1 人工智能
摘要
在低分辨率遥感图像中精确识别飞机是一项具有挑战性但至关重要的航空任务，尤其是在作战识别中。本研究提出了一种新颖、可扩展且由人工智能驱动的解决方案来解决这一问题。遥感图像中作战识别的主要障碍是除了已知类型外，还需准确识别新型/未知类型的飞机。传统方法，即人类专家驱动的作战识别和图像分类，在识别新型类别方面存在不足。我们的方法采用相似性学习来辨别广泛军用和民用飞机的特征。它利用度量学习进行识别，并利用监督式小样本学习进行飞机类型分类，从而区分已知和新型飞机类型。为了应对低分辨率遥感数据有限的挑战，我们提出了一种端到端框架，通过以全监督方式训练通用嵌入器，使其适应军用飞机识别多样且多变的过程。与早期飞机图像分类方法的比较分析表明，我们的方法在飞机图像分类（飞机类型F1分数为0.861）方面是有效的，并且在量化新型类型识别（二分法F1分数为0.936）方面具有开创性。所提出的方法有效解决了遥感数据中的固有挑战，从而为数据集质量设定了新标准。该研究为领域专家开辟了新途径，并展示了区分各种飞机类型的独特能力，为更鲁棒、更适应领域的实时飞机识别潜力做出了贡献。
引用
@article{arxiv.2402.16486,
title = {Intelligent Known and Novel Aircraft Recognition -- A Shift from Classification to Similarity Learning for Combat Identification},
author = {Ahmad Saeed and Haasha Bin Atif and Usman Habib and Mohsin Bilal},
journal= {arXiv preprint arXiv:2402.16486},
year = {2024}
}