一种面向 SAR 开集自动目标识别的熵感知元学习方法
图像与视频处理
2023-08-22 v1
摘要
现有的合成孔径雷达自动目标识别（SAR ATR）方法在已见目标类别的分类上已颇为有效。然而，区分未见目标类别（即开集识别（OSR）问题）更具意义与挑战性，这是实用化 SAR ATR 的紧迫问题。OSR 的关键解决方案是有效建立已知类别特征分布的排他性。在本通讯中，我们提出一种熵感知元学习方法，改善了已知类别特征分布的排他性，这意味着我们的方法不仅能对已知类别分类，也能应对未见的其他类别。通过元学习任务，所提方法学习构建动态指定已知类别的特征空间。该特征空间被任务要求用来拒绝所有不属于已知类别的其他类别。同时，所提熵感知损失帮助模型增强特征空间，在已知与未知类别间实现有效且鲁棒的判别。因此，我们的方法可构建具有已知与未知类别判别力的动态特征空间，同时分类动态指定的已知类别并拒绝未知类别。在运动与静止目标获取与识别（MSTAR）数据集上的实验表明了我们的方法对 SAR OSR 的有效性。
引用
@article{arxiv.2308.10251,
title = {An Entropy-Awareness Meta-Learning Method for SAR Open-Set ATR},
author = {Chenwei Wang and Siyi Luo and Jifang Pei and Xiaoyu Liu and Yulin Huang and Yin Zhang and Jianyu Yang},
journal= {arXiv preprint arXiv:2308.10251},
year = {2023}
}