卷积神经网络对SAR目标识别性能分析

• 作者: 曲长文 李健伟 邵嘉琦
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 卷积神经网络(CNN) 合成孔径雷达(SAR) 目标识别 深度学习
• 年，卷（期）: 2018,（5）
• 页码范围: 525-532
• 页数: 8页
• 分类号: TN957.5
• 字数: 4750字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2018.05.010

摘要

近年来,以卷积神经网络(Convolutional Neural Network,CNN)为代表的深度学习方法在图像识别领域取得了巨大进展,但尚未在SAR目标识别领域得到广泛应用.基于此,将具有代表性的LeNet,AlexNet,VGGNet,GoogLeNet,ResNet,DenseNet,SENet等卷积神经网络模型应用到SAR图像目标识别上,并依据识别精度、模型尺寸、运行时间等指标在公开SAR数据集MSTAR上对9类目标进行识别实验.详细对比分析了不同CNN模型的综合性能,验证了利用CNN网络模型进行SAR图像目标识别的优越性,同时也为该领域的后续工作提供了参考基准.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲长文		198	1364	17.0	26.0
2	李健伟		15	65	4.0	7.0
3	邵嘉琦		3	9	2.0	3.0