面向 SAR 图像的多权重自匹配视觉解释
计算机视觉与模式识别
2026-04-03 v2
摘要
近年来，卷积神经网络（CNNs）在各种合成孔径雷达（SAR）任务中取得了显著成果。然而，其内部机制的复杂性和不透明性阻碍了满足高可靠性要求，从而限制了其在 SAR 领域的应用。因此，提高 CNNs 在 SAR 中的可解释性对于其开发和部署至关重要。本文提出一种称为多权重自匹配类激活映射（MS-CAM）的视觉解释方法。MS-CAM 通过 CNN 提取的特征图和相应梯度与 SAR 图像进行匹配，结合通道级和元素级权重来可视化模型在 SAR 图像中所学习的决策依据。在自构建的 SAR 目标分类数据集上进行的广泛实验表明，MS-CAM 更准确地突出显示网络感兴趣的区域，捕获详细的目标特征信息，从而增强了网络的可解释性。此外，验证了将 MS-CAM 应用于弱监督目标定位的可行性。深入分析了影响局部化精度的关键因素，如像素阈值，以为未来工作提供指导。
引用
@article{arxiv.2512.02344,
title = {A multi-weight self-matching visual explanation for cnns on sar images},
author = {Siyuan Sun and Yongping Zhang and Hongcheng Zeng and Yamin Wang and Wei Yang and Wanting Yang and Jie Chen},
journal= {arXiv preprint arXiv:2512.02344},
year = {2026}
}