SAR图像目标识别的可解释性问题探讨
合成孔径雷达(SAR)图像目标识别是实现微波视觉的关键技术之一.尽管深度学习技术已被成功应用于解决SAR图像目标识别问题,并显著超越了传统方法的性能,但其内部工作机理不透明、解释性不足,成为制约SAR图像目标识别技术可靠和可信应用的瓶颈.深度学习的可解释性问题是目前人工智能领域的研究热点与难点,对于理解和信任模型决策至关重要.该文首先总结了当前SAR图像目标识别技术的研究进展和所面临的挑战,对目前深度学习可解释性问题的研究进展进行了梳理.在此基础上,从模型理解、模型诊断和模型改进等方面对SAR图像目标识别的可解释性问题进行了探讨.最后,以可解释性研究为切入点,从领域知识结合、人机协同和交互式学习等方面进一步讨论了未来突破SAR图像目标识别技术瓶颈有可能的方向.
合成孔径雷达、自动目标识别、深度学习、可解释性、可解释机器学习
9
TN957.51
国家自然科学基金联合基金U1830103
2020-07-15（万方平台首次上网日期，不代表论文的发表时间）
共15页
462-476
