面向小样本SAR图像识别的自注意力多尺度特征融合网络

• 作者: 应自炉 宣晨 翟懿奎 王发官
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 小样本 自注意力机制 多尺度特征 合成孔径雷达
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 论文
• 页码范围: 1846-1858
• 页数: 13页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2020.11.007

摘要

合成孔径雷达(Synthetic Aperture Radar,SAR)图像标签难以大量获取,存在着大量小样本SAR数据集.SAR图像充满着散斑噪声,直接将卷积神经网络(Convolutional Neural Network,CNN)应用在小样本SAR数据集上难以提取有效特征.针对以上问题,本文提出了一种面向小样本SAR图像识别的自注意力多尺度特征融合网络.首先,将自注意力机制与幽灵模块相结合构建自注意力幽灵模块,并利用该模块替代经典的卷积操作提取SAR图像特征.其次,在网络中添加通道混洗单元以构建多尺度信息融合支路.最后,引入知识蒸馏对设计的网络进行压缩,进一步控制网络参数量.实验结果表明,本文方法在不同工作条件下采集的MSTAR数据集上具有出色的识别性能,在构建的小样本SAR数据集上也表现出良好的鲁棒性.