少量样本下基于孪生CNN的SAR目标识别

• 作者: 潘宗序 王博威 胡玉新 马闻
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 少量样本 孪生卷积神经网络(孪生CNN) SAR目标识别 过拟合
• 年，卷（期）: 2019,（6）
• 页码范围: 603-609,615
• 页数: 8页
• 分类号: TN958|TP183
• 字数: 4204字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2019.06.003

摘要

针对深度学习中的有监督学习需要大量的标注数据,提出了一种少量训练样本下的SAR目标识别方法,解决了SAR图像人工标注成本较高、标注样本不足的问题.首先通过构建正负样本对的策略对数据集进行样本扩充,大幅增加数据量;其次,设计了一种基于度量学习和深度学习的孪生卷积神经网络(孪生CNN),用于衡量样本之间的相似概率;然后采用多任务联合学习的方法训练模型,有效缓解了相干斑噪声对SAR图像的影响,降低了噪声过多易引起的过拟合风险;最后,设计了一种基于孪生CNN的识别样本具体类别的加权投票模型.实验采用了MSTAR和OpenSARShip数据集,在小规模训练集上通过上述方法取得了较好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡玉新		14	81	5.0	8.0
10	王博威		1	0	0.0	0.0
19	潘宗序	中国科学院电子学研究所	3	0	0.0	0.0