基于卷积神经网络迁移学习的SAR图像目标分类

• 作者: 刘晨 周强 曲长文 李健伟 李智
• 来源期刊: 现代雷达
• 学科: 工学
• 关键词: 迁移学习 卷积神经网络 超限学习机 合成孔径雷达图像
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信号处理
• 页码范围: 38-42
• 页数: 5页
• 分类号: TN957.52
• 字数: 3032字
• 语种: 中文
• DOI: 10.16592/j.cnki.1004-7859.2018.03.009

摘要

为提高卷积神经网络(CNN)对小样本目标集的分类识别效果,提出一种基于卷积神经网络迁移学习的目标分类方法.该方法首先通过大样本数据集对卷积神经网络的结构参数进行预训练;其次,用超限学习机(ELM)代替卷积神经网络中的全连接层,实现卷积神经网络的迁移学习;最后,通过小样本数据集对超限学习机网络结构参数进行训练,得到新的分类识别模型.在MSTAR和SAR舰船目标数据集上的实验结果表明,该算法提高了目标分类识别准确率和降低了训练时间.

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	海军航空工程学院电子信息工程系	198	1364	17.0	26.0
2	周强	海军航空工程学院科技部	48	261	9.0	13.0
3	刘晨	海军航空工程学院电子信息工程系	10	57	4.0	7.0
4	李智	海军航空工程学院电子信息工程系	10	56	4.0	7.0
5	李健伟	海军航空工程学院电子信息工程系	15	65	4.0	7.0