SAR 目标分类中的通用特征提取：一种跨传感器类型的对比学习方法
信号处理
2025-02-04 v1
摘要
SAR 数据可用性的增加引发了人们对应用深度学习算法的日益浓厚的兴趣。然而，标记数据的有限可用性对监督训练构成了重大挑战。本文介绍了一种使用极少标记图像对 SAR 数据进行分类的新方法。该方法基于一个通过对比学习训练的视觉 Transformer（ViT）特征提取器。该提取器在一个与分类任务所用数据集完全不同的数据集上进行训练。该方法的有效性通过使用 t-SNE 进行二维可视化以进行定性评估，以及使用少量标记数据进行 k-NN 分类以进行定量评估来验证。值得注意的是，我们的结果优于在经 PCA 处理的数据上进行的 k-NN 分类以及专门为此任务训练的 ResNet-34，在 MSTAR 数据集上，每类仅使用十个标记图像就达到了 95.9% 的准确率。
引用
@article{arxiv.2502.01162,
title = {General Feature Extraction In SAR Target Classification: A Contrastive Learning Approach Across Sensor Types},
author = {M. Muzeau and J. Frontera-Pons and Chengfang Ren and J. -P. Ovarlez},
journal= {arXiv preprint arXiv:2502.01162},
year = {2025}
}