深度卷积神经网络在迁移学习模式下的SAR目标识别

被引：34

作者：

李松 ^{[1
,2
,3
]}

魏中浩 ^{[1
,2
,3
]}

张冰尘 ^{[1
,2
]}

洪文 ^{[1
,2
]}

机构：

[1] 中国科学院电子学研究所

[2] 微波成像技术国家级重点实验室

[3] 中国科学院大学

来源：

中国科学院大学学报 | 2018年 / 35卷 / 01期

关键词：

合成孔径雷达(SAR); 自动目标识别; 深度卷积神经网络; 迁移学习;

D O I：

暂无

中图分类号：

TN957.52 [数据、图像处理及录取]; TP183 [人工神经网络与计算];

学科分类号：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

合成孔径雷达(synthetic aperture radar,SAR)自动目标识别过程主要包括目标特征提取和分类器训练两个步骤。提出一种基于深度卷积神经网络(deep convolutional neural networks,DNNs)的SAR自动目标识别方法,使用一类优化的DNNs网络结构对SAR图像目标进行分类训练。该网络结构自动提取目标类别特征,避免人工预选取特征方法带来的不标准性。在DNNs网络模型训练过程中引入迁移学习的概念,以防止结果陷入局部最优解和加快模型参数的训练。最后使用美国运动和静止目标获取与识别MSTAR数据集进行试验,给出该方法与其他分类方法结果的对比,证明其取得较高的分类正确率。

引用

页码：75 / 83

页数：9

共 7 条

[1] 基于卷积神经网络的SAR目标多维度特征提取 [J].