基于加权损失半监督 GAN 的天波雷达海陆杂波分类框架
计算机视觉与模式识别
2023-05-09 v1 系统与控制
系统与控制
摘要
深度卷积神经网络在天波雷达（OTHR）的海陆杂波分类中取得了巨大成就。其前提是必须为海陆杂波分类器提供大量带标签的训练样本。在实际工程应用中，获取无标签的海陆杂波样本相对容易。然而，标注过程极为繁琐，且需要 OTHR 领域的专业知识。为解决该问题，我们提出了一种改进的生成对抗网络，即加权损失半监督生成对抗网络（WL-SSGAN）。具体而言，我们通过加权半监督生成对抗网络判别器的中间层特征，提出了一种联合特征匹配损失。此外，我们通过线性加权标准对抗损失与联合特征匹配损失，提出了 WL-SSGAN 的加权损失。WL-SSGAN 的半监督分类性能在一个海陆杂波数据集上进行了评估。实验结果表明，WL-SSGAN 能够利用大量无标签海陆杂波样本，仅以少量带标签样本即可提升全监督分类器的性能。进一步，所提出的加权损失优于对抗损失与特征匹配损失二者。此外，我们将 WL-SSGAN 与常规半监督分类方法进行比较，证明 WL-SSGAN 取得了最高的分类准确率。
引用
@article{arxiv.2305.04021,
title = {A Sea-Land Clutter Classification Framework for Over-the-Horizon-Radar Based on Weighted Loss Semi-supervised GAN},
author = {Xiaoxuan Zhang and Zengfu Wang and Kun Lu and Quan Pan and Yang Li},
journal= {arXiv preprint arXiv:2305.04021},
year = {2023}
}
备注
9 pages