MTSGL：面向鲁棒性与可解释性的多任务结构引导 SAR 飞机识别
计算机视觉与模式识别
2025-04-24 v1
摘要
合成孔径雷达（SAR）图像中的飞机识别是军事和民用领域的基本任务。近期深度学习（DL）因其在提取判别性特征方面的爆发式性能，已成为主导范式。然而，当前的分类算法主要聚焦于学习决策超平面，而对飞机结构知识的理解不足。灵感来源于光学遥感图像（RSI）中精细飞机标注方法，我们首次引入基于结构的 SAR 飞机标注方法，以提供结构和组成补充信息。基于此，我们提出一种面向鲁棒性和可解释性的多任务结构引导学习（MTSGL）网络。除分类任务外，MTSGL 包含结构语义感知（SSA）模块和结构一致性正则化（SCR）模块。SSA 模块旨在捕获结构语义信息，有助于获得类似人类的飞机知识理解。SCR 模块有助于维持 SAR 图像中飞机结构与所提出标注之间的几何一致性。在此过程中，结构属性可以几何有意义的方式被解耦。总之，MTSGL 融合了专家水平的飞机先验知识和结构引导学习范式，旨在以类似人类认知过程的方式理解飞机概念。我们在自构建的多任务 SAR 飞机识别数据集（MT-SARD）上进行了大量实验，结果表明，所提出的 MTSGL 在鲁棒性和可解释性方面均表现出优势。
引用
@article{arxiv.2504.16467,
title = {MTSGL: Multi-Task Structure Guided Learning for Robust and Interpretable SAR Aircraft Recognition},
author = {Qishan He and Lingjun Zhao and Ru Luo and Siqian Zhang and Lin Lei and Kefeng Ji and Gangyao Kuang},
journal= {arXiv preprint arXiv:2504.16467},
year = {2025}
}