CVGG-Net：基于复值卷积神经网络的SAR图像舰船识别
信号处理
2023-05-16 v1
摘要
舰船目标识别是合成孔径雷达（SAR）成像应用中的一项重要任务。尽管卷积神经网络已成功用于SAR图像目标识别并超越了传统算法，但现有研究大多集中于幅度域而忽略了本质的相位信息。此外，若干复值神经网络利用平均池化以实现全复值，导致性能欠佳。针对这些问题，本文提出一种专为SAR图像舰船识别设计的复值卷积神经网络（CVGG-Net）。CVGG-Net有效利用了复值SAR数据中的幅度与相位信息。此外，本研究考察了多种广泛使用的复值激活函数对网络性能的影响，并提出了一种称为复值区域最大池化（Complex Area Max-Pooling）的新型复值最大池化方法。来自两个实测SAR数据集的实验结果表明，所提算法优于传统的实值卷积神经网络。该框架在多个SAR数据集上得到了验证。
引用
@article{arxiv.2305.07918,
title = {CVGG-Net: Ship Recognition for SAR Images Based on Complex-Valued Convolutional Neural Network},
author = {Dandan Zhao and Zhe Zhang and Dongdong Lu and Jian Kang and Xiaolan Qiu and Yirong Wu},
journal= {arXiv preprint arXiv:2305.07918},
year = {2023}
}