基于全卷积神经网络的SAR图像目标分类

• 作者: 喻玲娟 谢晓春 陈永生
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 卷积神经网络 全卷积神经网络 合成孔径雷达 目标分类
• 年，卷（期）: 2018,（3）
• 页码范围: 242-248
• 页数: 7页
• 分类号: TN958|TN957.5
• 字数: 4134字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2018.03.002

摘要

近年来,卷积神经网络(Convolutional Neural Network,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标分类中取得了较好的分类结果.CNN结构中,前面若干层由交替的卷积层、池化层堆叠而成,后面若干层为全连接层.全卷积神经网络(All Convolutional Neural Network,A-CNN)是对CNN结构的一种改进,其中池化层和全连接层都用卷积层代替,该结构已在计算机视觉领域被应用.针对公布的MSTAR数据集,提出了基于A-CNN的SAR图像目标分类方法,并与基于CNN的SAR图像分类方法进行对比.实验结果表明,基于A-CNN的SAR图像目标分类正确率要高于基于CNN的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢晓春	赣南师范大学物理与电子信息学院	23	338	5.0	18.0
2	喻玲娟	江西理工大学信息工程学院	8	28	3.0	5.0
3	陈永生	江西理工大学信息工程学院	1	2	1.0	1.0