10.12305/j.issn.1001-506X.2022.11.08
基于门控多尺度匹配网络的小样本SA R目标识别
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.
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
44
TN95
国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;中国博士后科学基金资助课题
2022-11-07（万方平台首次上网日期，不代表论文的发表时间）
共11页
3346-3356
