来源：期刊VIP网 时间：
作者：张婧1;林贤煊1;李争平2;蔡创新1;王立军3;李晓雪4;郝昱文4;潘志庚1
单位：1.南京信息工程大学人工智能学院;2.北方工业大学信息学院;3.西安电子科技大学杭州研究院;4.中国人民解放军总医院灾害救援医学北京市重点实验室
摘要：在航空医学应急救援沉浸式模拟训练中，快速、高效地生成逼真的灾害场景对提升医护人员的应急反应能力至关重要。现有灾害场景生成模型依赖大量真实数据，数据稀缺且获取成本高，导致模拟训练方案的有效性和多样性受限。为解决这一问题，提出一种基于小样本学习的快速投影生成对抗网络(Faster Projected Generative Adversarial Network, FP GAN)。首先，通过深度可分离卷积减小参数计算量，并结合低分辨率特征增强高分辨率通道响应，显著提升模型训练速度和表征能力。其次，引入随机投影和多尺度鉴别器以优化图像真实性评估，增强模型在复杂任务下的泛化能力和稳定性。试验结果表明，FP GAN在多个公开小样本数据集及自建灾害场景数据集上，生成的图像质量优于主流模型。同时在训练速度、计算资源占用等方面优势明显。最终，通过仿真平台展示FP GAN在航空医学应急救援训练中的应用效果，为小样本学习在公共安全灾害场景仿真领域的应用提供理论支撑和实践指导。
关键词：公共安全;航空医学应急救援;场景仿真;小样本学习;深度可分离卷积
基金资助：国家重点研发计划项目(2020YFC0811004); 内蒙古自治区教学研究室教学专项课题研究项目(NMKY14520135)
