典型文献
基于门控多尺度匹配网络的小样本SA R目标识别
文献摘要:
为了解决传统合成孔径雷达(synthetic aperture radar,SAR)目标识别方法在小样本条件下泛化能力差、识别准确率低的问题,通过在匹配网络的基础上引入权重门控单元和多尺度特征提取模块,提出了基于门控多尺度匹配网络的小样本SAR目标识别方法.在该方法中,多尺度特征提取模块能够提取匹配网络不同卷积层的多尺度特征,权重门控单元能够根据不同的识别任务赋予特征不同的权重大小,实现根据具体任务选择最具代表性的目标特征,从而以该特征为主导完成目标识别任务.在运动和静止目标获取与识别(the moving and sta-tionary target acquisition and recognition,MSTAR)数据集上对提出的方法进行了验证,实验结果表明,所提方法较其他3种小样本学习方法和两种小样本SAR目标识别方法表现出了一定的优越性,而且所提方法经实验验证在噪声环境下表现出了一定的鲁棒性.
文献关键词:
合成孔径雷达;雷达目标识别;小样本学习;融合目标识别;度量学习;元学习
中图分类号:
作者姓名:
刘旗;张新禹;刘永祥
作者机构:
国防科技大学电子科学学院,湖南长沙410073
文献出处:
引用格式:
[1]刘旗;张新禹;刘永祥-.基于门控多尺度匹配网络的小样本SA R目标识别)[J].系统工程与电子技术,2022(11):3346-3356
A类:
融合目标识别
B类:
匹配网络,统合,合成孔径雷达,synthetic,aperture,radar,SAR,目标识别方法,样本条件,泛化能力,识别准确率,门控单元,多尺度特征提取模块,卷积层,具体任务,目标特征,静止,moving,sta,tionary,target,acquisition,recognition,MSTAR,小样本学习,法经,噪声环境,雷达目标识别,度量学习,元学习
AB值:
0.292533
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。