公司新闻

我公司郭永飞《基于小数据集细粒度图像分类的空间频域特征融合网络》的学术论文被国际知名期刊《Scientific Reports》成功发表。

《Scientific Reports》是由自然出版集团（Nature Portfolio）于2011年创刊的一份开放获取（Open Access）学术期刊，其目前在中科院分区中属于‌综合性期刊2区‌，在JCR分区中为‌Q1区‌，涵盖了自然科学、环境科学、计算机科学、地球科学、医学和工程学等多个领域，在全球学术界享有较高声誉，是科研人员展示最新科研成果的重要渠道。

作者简介

郭永飞，男。1986年9月生，籍贯陕西省榆林市，2009年毕业于西安电子科技大学软件工程专业，统招本科学历，2010年获中级工程师职称。2019年8月入职西安捷达测控有限公司，先后担任研发总监、副总经理、公司技术首席、自然灾害监测事业部副总经理等职务。

其他作者：李博、张文跃、董伟龙。

论文简介

该论文聚焦小样本细粒度图像分类场景，提出空间频率信息特征融合（SFIF）方法，有效解决小样本下细粒度图像分类难题。小样本细粒度图像分类中，样本稀缺，收集大量标注数据成本高，且现有方法在样本数量少时，单独在空间域中不能准确获得更加全面的显著特征表征，导致性能下降明显。论文中所提出的方法——从多属性空间提取局部信息并且在频域中将图像中的干扰信息滤除用于增强图像的主体信息，可让网络学习到更丰富的具有分类能力的信息，有效抑制噪声干扰，在多个小数据集实验中，比其他先进算法表现更优，还能提升嵌入算法的检测精度，在合成孔径雷达（SAR）图像农田变化检测任务中也展现出良好性能。

论文摘要

In the study of small datasets, obtaining training samples from source categories for learning is a challenge in fne-grained image classifcation. Based on the fact that fne-grained concepts can belearned with very few samples, only a small number of labeled samples (for example, three) are usedfor each category. However, due to the difhculty in distinguishing the subtle differences betweenfne-grained images, this paper proposes a method based on spatial frequency information featurefusion for small dataset fine-grained image classifcation (SDFGlC). This method not only considers thedifferences in features between the spatial and frequency domains of the images but also incorporatesan image processing stage where the images are rotated multiple times. Since the conyolutionalkernel extracts features of a certain area in the image through translation and convolution operationsmultiple rotations can obtain the feature representations ofthe images in different directions. Finallylearnable parameters are set to fuse the spatial and frequency domain features, and classifcation isperformed through the fully connected layer. According to the mini-batch settings, the experimentaresults show that the proposed method performs better than other advanced algorithms inexperiments on six small datasets.