面向自动目标识别的鲁棒表征学习
机器学习
2018-11-28 v1 计算机视觉与模式识别
机器学习
摘要
射频(RF)传感器与其他传感模态一同使用，以提供丰富的世界表征。鉴于复值目标响应的高度可变性，RF系统易受到攻击，这些攻击掩盖真实目标特征从而妨碍准确识别。在本工作中，我们评估了不同构建鲁棒分类架构的技术，这些技术利用了所接收的模拟3D目标合成孔径雷达信号中学习到的物理结构。
引用
@article{arxiv.1811.10714,
title = {Learning Robust Representations for Automatic Target Recognition},
author = {Justin A. Goodwin and Olivia M. Brown and Taylor W. Killian and Sung-Hyun Son},
journal= {arXiv preprint arXiv:1811.10714},
year = {2018}
}