典型文献
基于卷积注意力和胶囊网络的SAR少样本目标识别方法
文献摘要:
合成孔径雷达(SAR)目标识别在军事和民用领域都具有重要的研究价值.但由于SAR数据获取成本高、样本数目少,传统的卷积神经网络提取目标特征的能力不足,准确率低下.提出结合卷积注意力和胶囊网络的分类模型,利用胶囊网络中的多维向量神经元表示目标更多的特征;同时,考虑到少样本情况下目标特征信息缺乏,为提高神经网络的学习效率,对胶囊网络加入注意力机制,通过学习不同特征的重要程度,引导分类网络重点关注对分类结果贡献大的特征,弱化对分类结果贡献小的特征,提高神经网络的学习效率.针对MSTAR数据集和实测车辆数据集的实验结果表明,该算法的准确率高于传统的卷积神经网络和胶囊网络算法.
文献关键词:
合成孔径雷达;SAR少样本目标识别;胶囊网络;卷积神经网络;卷积注意力机制;目标检测
中图分类号:
作者姓名:
霍鑫怡;李焱磊;陈龙永;张福博;孙巍
作者机构:
中国科学院空天信息创新研究院微波成像技术国家重点实验室,北京100094;中国科学院大学,北京100049
文献出处:
引用格式:
[1]霍鑫怡;李焱磊;陈龙永;张福博;孙巍-.基于卷积注意力和胶囊网络的SAR少样本目标识别方法)[J].中国科学院大学学报,2022(06):783-792
A类:
B类:
胶囊网络,SAR,少样本,目标识别方法,合成孔径雷达,民用领域,数据获取,目标特征,分类模型,特征信息,高神,学习效率,重要程度,分类网络,MSTAR,辆数,网络算法,卷积注意力机制,目标检测
AB值:
0.238088
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。