基于因果干预正则化的背景去偏SAR目标识别
计算机视觉与模式识别
2023-08-31 v1
摘要
近期研究利用深度学习(DL)技术从合成孔径雷达(SAR)图像中自动提取特征，这在提升SAR自动目标识别(ATR)性能方面展现出巨大前景。然而，我们的研究揭示了一个先前被忽视的问题：待识别的SAR图像不仅包含前景（即目标），还包含一定大小的背景区域。当DL模型仅在前景数据上训练时，其识别性能显著优于在包含前景和背景的原始数据上训练的模型。这表明背景的存在阻碍了DL模型学习目标额外语义信息的能力。为解决此问题，我们构建了一个将背景作为混杂因子的结构因果模型(SCM)。基于所构建的SCM，我们提出一种基于因果干预的正则化方法，以消除背景对特征语义学习的负面影响并实现背景去偏的SAR-ATR。所提出的因果干预正则化器可集成到任何现有的基于DL的SAR-ATR模型中，以减轻背景干扰对特征提取和识别精度的影响。在运动与静止目标获取与识别(MSTAR)数据集上的实验结果表明，所提方法能以即插即用的方式提升现有基于DL的方法的效率。
引用
@article{arxiv.2308.15724,
title = {Background Debiased SAR Target Recognition via Causal Interventional Regularizer},
author = {Hongwei Dong and Fangzhou Han and Lingyu Si and Wenwen Qiang and Lamei Zhang},
journal= {arXiv preprint arXiv:2308.15724},
year = {2023}
}
备注
38 pages, 8 figures