基于迁移学习的卷积神经网络SAR图像目标识别

• 作者: 崔先亮 武鸿 贾智伟 郭正华 陈立福
• 来源期刊: 中国空间科学技术
• 学科: 工学
• 关键词: 迁移学习 卷积神经网络 深度学习 合成孔径雷达 预训练模型
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 研究探讨
• 页码范围: 45-51
• 页数: 7页
• 分类号: TP183|TP751
• 字数: 4661字
• 语种: 中文
• DOI: 10.16708/j.cnki.1000-758X.2018.0060

摘要

针对卷积神经网络中因网络参数随机初始化和参数过多导致的收敛速度慢及过拟合的问题,提出了一种基于迁移学习监督式预训练的卷积神经网络.首先,引入迁移学习的思想,采用小规模数据集作为源域的训练样本,针对源域中源任务进行监督式训练得到预训练模型;然后,构建一个多层的卷积神经网络作为目标域中目标任务的待训练网络,将源域中获得的预训练模型作为该网络的初始参数,大规模数据作为目标域的训练样本进行网络的微调,通过这种基于特征选择的迁移学习,实现源域到目标域的特征信息迁移;针对卷积神经网络中全连接层参数过多的问题,采用卷积层替代全连接层.试验使用美国国防高等研究计划署的移动与静止目标搜索识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)数据集中三类目标数据作为源域样本,十类目标数据作为目标域样本,结果表明该算法的十类目标识别精度达到了99.13％,且具有更快的误差收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈立福	长沙理工大学电气与信息工程学院	34	86	6.0	7.0
2	贾智伟	长沙理工大学电气与信息工程学院	10	17	3.0	4.0
3	武鸿	长沙理工大学电气与信息工程学院	4	8	1.0	2.0
4	郭正华	长沙理工大学电气与信息工程学院	3	7	1.0	2.0
5	崔先亮	长沙理工大学电气与信息工程学院	4	8	1.0	2.0