典型文献
基于模型微调与AM-Softmax的极化SAR图像分类
文献摘要：
针对极化SAR图像分类中卷积神经网络(CNN)方法训练时间长、收敛速度慢,原始Softmax函数无法对极化SAR图像的类内差异有效应对的问题,提出一种基于模型微调与加性边际Softmax(AM-Soft-max)的极化SAR图像分类方法.该方法通过预训练网络的整体微调,来改进CNN模型的效率和分类准确率,然后以AM-Softmax替代Softmax,以解决SAR图像中类内变化较大的问题,进一步提升分类精度.实验表明该方法具有快收敛的优势并且能够较好解决极化SAR图像类内差异较大的问题,模型的分类总体精度达到96％以上.
文献关键词：
极化SAR图像分类;模型迁移;加性边际Softmax
中图分类号：
作者姓名：
赵明钧;程英蕾;秦先祥;王鹏;文沛;张碧秀
作者机构：
空军工程大学信息与导航学院,西安,710077;93575 部队,河北承德,067000;93897 部队,西安,710077
文献出处：
引用格式：
[1]赵明钧;程英蕾;秦先祥;王鹏;文沛;张碧秀-.基于模型微调与AM-Softmax的极化SAR图像分类)[J].空军工程大学学报,2022(05):36-43
A类：
B类：
基于模型,模型微调,AM,Softmax,SAR,图像分类,对极,方法训练,训练时间,收敛速度,速度慢,类内差异,加性,边际,分类方法,预训练,分类准确率,分类精度,快收敛,总体精度,模型迁移
AB值：
0.330618
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。
