小样本条件下的公路建设项目场景识别与安全预警

由于具有系统性、完整性的公路样本数据集的短缺,使得传统深度学习范式难以满足应用需求。针对该问题,提出一种基于小样本的双阶段场景识别框架,并以容易获取的遥感数据进行训练测试,最后应用于公路场景中。小样本学习首先从大规模基类数据集中获取先验知识、学习基础模型,再将学习结果泛化至训练时未出现的或训练样本很少的新类别中。在框架的第一阶段,引入多任务模型,从两个辅助任务中学习跨语义类的内在特征;在第二阶段,基于标签传播实现对有标签和无标签数据的联合预测。实验表明,该场景识别方法取得了80.58%的分类精度,相较于SIB和CAN+T分别提升了13.24%和10.69%,在测试数据集中取得了69.37%的分类精度,可用于各类实际公路建设项目中工程车辆行驶安全的场景识别与智能预警任务。