基于能量分数的伪标签过滤与自适应损失用于不平衡半监督 SAR 目标识别
计算机视觉与模式识别
2024-11-07 v1 人工智能
摘要
自动目标识别（ATR）是合成孔径雷达（SAR）图像解释的重要用例。近年来，基于半监督学习的 SAR ATR 技术取得了显著进展。然而，现有的半监督 SAR ATR 算法在类别不平衡的情况下表现出较低的识别准确率。本工作提出了一种非平衡半监督 SAR 目标识别方法，利用动态能量分数和自适应损失。首先，开发了一种基于能量分数的方法，在训练过程中动态选择靠近训练分布的未标记样本作为伪标签，在长尾分布情况下保证伪标签的可靠性。其次，提出了适合类别不平衡的损失函数，包括自适应边缘感知损失和自适应硬三元组损失，前者抵消分类器中的类间混淆，缓解伪标签生成中固有的不平衡问题；后者通过聚焦于训练中的复杂困难样本来有效克服模型对多数类的偏好。在极度不平衡的 SAR 数据集上的实验结果表明，所提出的方法在标签稀缺和数据不平衡的双重约束下表现良好，有效克服了数据不平衡引起的模型偏差，实现了高精度目标识别。
引用
@article{arxiv.2411.03959,
title = {Energy Score-based Pseudo-Label Filtering and Adaptive Loss for Imbalanced Semi-supervised SAR target recognition},
author = {Xinzheng Zhang and Yuqing Luo and Guopeng Li},
journal= {arXiv preprint arXiv:2411.03959},
year = {2024}
}