SAR图像目标识别的可解释性问题探讨

• 作者: 孙效华 张增辉 郁文贤 郭炜炜
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 合成孔径雷达 自动目标识别 深度学习 可解释性 可解释机器学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 综述
• 页码范围: 462-476
• 页数: 15页
• 分类号: TN957.51
• 字数: 9701字
• 语种: 中文
• DOI: 10.12000/JR20059

摘要

合成孔径雷达(SAR)图像目标识别是实现微波视觉的关键技术之一.尽管深度学习技术已被成功应用于解决SAR图像目标识别问题,并显著超越了传统方法的性能,但其内部工作机理不透明、解释性不足,成为制约SAR图像目标识别技术可靠和可信应用的瓶颈.深度学习的可解释性问题是目前人工智能领域的研究热点与难点,对于理解和信任模型决策至关重要.该文首先总结了当前SAR图像目标识别技术的研究进展和所面临的挑战,对目前深度学习可解释性问题的研究进展进行了梳理.在此基础上,从模型理解、模型诊断和模型改进等方面对SAR图像目标识别的可解释性问题进行了探讨.最后,以可解释性研究为切入点,从领域知识结合、人机协同和交互式学习等方面进一步讨论了未来突破SAR图像目标识别技术瓶颈有可能的方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郁文贤	上海交通大学智能探测与识别上海市重点实验室	70	351	10.0	14.0
2	张增辉	上海交通大学智能探测与识别上海市重点实验室	12	37	4.0	6.0
3	孙效华	同济大学数字创新中心	10	106	2.0	10.0
4	郭炜炜	同济大学数字创新中心	4	2	1.0	1.0