PeaceGAN：一种基于GAN的融合姿态估计器与辅助分类器的SAR目标图像生成多任务学习方法
计算机视觉与模式识别
2021-10-04 v1 图像与视频处理
摘要
尽管生成对抗网络（GANs）已成功应用于多个领域，但在合成孔径雷达（SAR）数据上训练GANs是一项具有挑战性的任务，主要由于散斑噪声。一方面，从人类感知的学习视角来看，利用来自多源的各种信息来学习一项任务是自然的。然而，在以往关于SAR目标图像生成的GAN工作中，仅使用了目标类别的信息。由于SAR图像信号的后向散射特性，SAR目标图像的形状与结构强烈依赖于其姿态角。尽管如此，此类SAR目标图像生成模型尚未引入姿态角信息。本文首次提出一种新颖的基于GAN的多任务学习（MTL）方法用于SAR目标图像生成，称为PeaceGAN，其同时利用姿态角与目标类别信息，从而能够生成指定目标类别在预期姿态角下的SAR目标图像。为此，PeaceGAN在其判别器侧具有两个附加结构，即一个姿态估计器和一个辅助分类器，以更有效地结合姿态与类别信息。此外，PeaceGAN以端到端方式作为MTL与姿态角和目标类别信息联合学习，从而提升了生成SAR目标图像多样性与质量。大量实验表明，所提姿态估计器与辅助分类器利用姿态角与目标类别学习的优势，可帮助PeaceGAN的生成器在MTL框架中有效学习SAR目标图像分布，从而相较于近期最先进（SOTA）方法，能更灵活、更忠实地为所需目标类别在预期姿态角下生成SAR目标图像。
引用
@article{arxiv.2103.15469,
title = {PeaceGAN: A GAN-based Multi-Task Learning Method for SAR Target Image Generation with a Pose Estimator and an Auxiliary Classifier},
author = {Jihyong Oh and Munchurl Kim},
journal= {arXiv preprint arXiv:2103.15469},
year = {2021}
}
备注
14 pages, 10 figures, 6 tables