PAHD：基于感知-行动的可解释图神经网络在SAR图像上的人类决策
计算机视觉与模式识别
2024-01-08 v1 机器学习
图像与视频处理
摘要
合成孔径雷达图像常用于军事应用中的自动目标识别。机器学习方法，如卷积神经网络和图神经网络，经常用于识别地面目标，包括战斗坦克、人员运输车和导弹发射器。确定车辆类别（如BRDM2坦克、BMP2坦克、BTR60坦克和BTR70坦克）至关重要，因为它可以帮助确定目标对象是友军还是敌军。虽然机器学习算法提供关于识别目标的反馈，但最终决策由指挥官做出。因此，在识别目标的同时提供详细信息可以显著影响他们的行动。这些详细信息包括有助于分类的SAR图像特征、分类置信度以及识别对象被分类为不同对象类型或类别的概率。我们提出了一种基于图神经网络的自动目标识别框架，该框架提供最终分类类别并输出上述详细信息。这是第一项提供分类类别详细分析的研究，使最终决策更加直接。此外，我们的图神经网络框架在MSTAR数据集上评估时达到了99.2%的总体准确率，优于先前最先进的图神经网络方法。
引用
@article{arxiv.2401.02687,
title = {PAHD: Perception-Action based Human Decision Making using Explainable Graph Neural Networks on SAR Images},
author = {Sasindu Wijeratne and Bingyi Zhang and Rajgopal Kannan and Viktor Prasanna and Carl Busart},
journal= {arXiv preprint arXiv:2401.02687},
year = {2024}
}