基于物理启发的混合注意力机制用于SAR目标识别
计算机视觉与模式识别
2023-09-28 v1 图像与视频处理
摘要
近期，将物理模型与深度神经网络（DNNs）相结合用于SAR目标识别以提升性能并实现更高程度的物理可解释性受到重视。属性散射中心（ASC）参数最受关注，在大多数方法中被视为额外的输入数据或融合特征。然而，性能高度依赖于ASC优化结果，且融合策略无法适应不同类型的物理信息。同时，当前的评估方案不足以评估模型的鲁棒性与泛化能力。为此，我们提出一种物理启发的混合注意力（PIHA）机制以及一次训练多方评估（OFA）协议以解决上述问题。PIHA利用物理信息的高层语义激活并引导感知目标局部语义的特征组，从而基于知识先验对特征重要性进行重加权。该机制灵活且普遍适用于各类物理模型，可在不修改原有架构的情况下集成到任意DNN中。实验采用所提OFA进行严格评估，包括在充足或有限数据上训练与验证模型，并在具有不同数据分布的多个测试集上评估。我们的方法在具有相同ASC参数的12个测试场景中优于其他最先进方法。此外，我们分析了PIHA的工作机制并评估了多种由PIHA赋能的DNN。实验还表明PIHA对不同物理信息均有效。源代码及所采用的物理信息见 https://github.com/XAI4SAR。
引用
@article{arxiv.2309.15697,
title = {Physics Inspired Hybrid Attention for SAR Target Recognition},
author = {Zhongling Huang and Chong Wu and Xiwen Yao and Zhicheng Zhao and Xiankai Huang and Junwei Han},
journal= {arXiv preprint arXiv:2309.15697},
year = {2023}
}