DGP-Net：用于小样本 SAR 目标识别的稠密图原型网络
计算机视觉与模式识别
2023-02-21 v1
摘要
合成孔径雷达（SAR）图像因其特殊的成像原理（俯角变化）而不可避免地产生特征偏差，导致识别精度低下，尤其是在小样本学习（FSL）中。为解决这一问题，我们提出了一种稠密图原型网络（DGP-Net），通过学习潜在特征来消除特征偏差，并通过学习特征分布进行分类。该模型中原型的作用是解决小样本学习中因单次采样的偶然性而导致的同类样本间距离过大的问题，并增强模型的鲁棒性。在 MSTAR 数据集上的实验结果表明，DGP-Net 对不同俯角的 SAR 图像具有良好的分类效果，其识别精度高于典型的小样本学习方法。
引用
@article{arxiv.2302.09584,
title = {DGP-Net: Dense Graph Prototype Network for Few-Shot SAR Target Recognition},
author = {Xiangyu Zhou and Qianru Wei and Yuhui Zhang},
journal= {arXiv preprint arXiv:2302.09584},
year = {2023}
}