深度卷积神经网络在迁移学习模式下的SAR目标识别

• 作者: 张冰尘 李松 洪文 魏中浩
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 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
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 信息与电子科学
• 页码范围: 75-83
• 页数: 9页
• 分类号: TN957
• 字数: 5114字
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2018.01.010

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张冰尘	中国科学院电子学研究所	54	401	10.0	17.0
3	洪文	中国科学院电子学研究所	110	1051	15.0	28.0
5	李松	中国科学院电子学研究所	36	275	11.0	15.0
18	魏中浩	中国科学院电子学研究所	7	7	2.0	2.0