典型文献
基于自注意力特征融合的半监督生成对抗网络用于SAR目标识别
文献摘要：
与具有大量标注数据的光学图像相比,合成孔径雷达(Synthetic Aperture Radar,SAR)图像缺乏足够的标记样本,限制了监督学习的SAR目标识别算法的性能.而无监督识别方法又难以满足实际需求,因此本文提出了基于自注意力特征融合的半监督生成对抗网路.首先,在构建生成器和判别器时引入自注意力层,克服卷积算子不具有长距离特征提取的问题;其次,判别器采用多层级特征融合,捕获SAR图像的关键信息;最后,在训练过程中采用谱归一化,提升模型的收敛稳定性.为了验证所提方法的有效性,在运动与静止目标获取和识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)数据集上进行了实验.实验结果表明,所提方法能从未标记样本中学习有价值的信息,有效地解决标注不足的问题.
文献关键词：
合成孔径雷达;生成对抗网络;半监督;自注意力;特征融合
中图分类号：
作者姓名：
应自炉;王发官;翟懿奎;王文琪
作者机构：
五邑大学智能制造学部,广东江门529020
文献出处：
引用格式：
[1]应自炉;王发官;翟懿奎;王文琪-.基于自注意力特征融合的半监督生成对抗网络用于SAR目标识别)[J].信号处理,2022(02):258-267
A类：
B类：
自注意力,注意力特征融合,半监督生成对抗网络,SAR,光学图像,合成孔径雷达,Synthetic,Aperture,Radar,标记样本,监督学习,目标识别算法,无监督,网路,生成器,判别器,注意力层,卷积算子,长距离,距离特征,多层级特征融合,关键信息,训练过程,谱归一化,动与静,静止,Moving,Stationary,Target,Acquisition,Recognition,MSTAR,从未
AB值：
0.385245
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
