基于卷积神经网络迁移学习的飞机目标识别

• 作者: 孙晶明 杨予昊 虞盛康
• 来源期刊: 现代雷达
• 学科: 工学
• 关键词: 飞机目标识别 卷积神经网络 小样本 迁移学习
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 雷达系统与技术
• 页码范围: 35-39
• 页数: 5页
• 分类号: TN953
• 字数: 3059字
• 语种: 中文
• DOI: 10.16592/j.cnki.1004-7859.2019.012.008

摘要

飞机目标识别是地面情报系统的一项重要关键技术.近年来火热的深度学习方法,如卷积神经网络,展现出对于图像识别任务的优越性能.但是,训练卷积神经网络需要大量的带标签样本以估计规模庞大的模型参数,因而限制了其在雷达目标识别领域中的应用.针对飞机目标识别中的小样本问题,文中引入适用于有限数据场景的迁移学习技术,预先在其他大样本高分辨距离像数据上训练一个初始卷积神经网络模型,再结合当前飞机目标识别任务调优模型参数.在实测数据上的实验结果显示,与仅使用卷积神经网络的方法相比,所提方法可显著提升识别准确率,验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙晶明		8	25	2.0	5.0
5	杨予昊		20	42	4.0	6.0
9	虞盛康		2	16	1.0	2.0