少量样本下基于孪生CNN的SAR目标识别

少量样本下基于孪生CNN的SAR目标识别

王博威; 潘宗序; 胡玉新; 马闻

【期刊名称】《雷达科学与技术》 【年(卷),期】2024(017)006

【摘要】针对深度学习中的有监督学习需要大量的标注数据,提出了一种少量训练样本下的SAR目标识别方法,解决了SAR图像人工标注成本较高、标注样本不足的问题.首先通过构建正负样本对的策略对数据集进行样本扩充,大幅增加数据量;其次,设计了一种基于度量学习和深度学习的孪生卷积神经网络(孪生CNN),用于衡量样本之间的相似概率;然后采用多任务联合学习的方法训练模型,有效缓解了相干斑噪声对SAR图像的影响,降低了噪声过多易引起的过拟合风险;最后,设计了一种基于孪生CNN的识别样本具体类别的加权投票模型.实验采用了MSTAR和OpenSARShip数据集,在小规模训练集上通过上述方法取得了较好的识别效果.

【总页数】8页(603-609,615)

【关键词】少量样本; 孪生卷积神经网络(孪生CNN); SAR目标识别; 过拟合 【作者】王博威; 潘宗序; 胡玉新; 马闻

【作者单位】中国科学院大学 北京100049; 中国科学院电子学研究所 北京100190; 中国科学院空间信息处理与应用系统技术重点实验室 北京100190 【正文语种】中文

【中图分类】TN958; TP183 【相关文献】

1.基于CNN的不平衡SAR图像舰船目标识别 [J], 邵嘉琦; 曲长文; 李健伟; 彭