基于嵌入式特征增强器与动态分层特征精炼器的有限训练数据 SAR 自动目标识别方法
图像与视频处理
2023-09-04 v2
摘要
在缺乏充足数据的情况下，可用于监督训练的信息量受限，因为实践中获取充足的合成孔径雷达（SAR）训练数据常常具有挑战性。因此，当前的 SAR 自动目标识别（ATR）算法在有限训练数据下表现不佳，亟需提升 SAR ATR 性能。本研究提出一种在训练数据有限时改进 SAR ATR 的新方法。首先，设计嵌入式特征增强器以增强远离类中心的提取虚拟特征。基于特征的相对分布，算法以不同强度将相应虚拟特征拉向对应类中心。所设计的增强器增加了可用于监督训练的信息量，并改善了提取特征的分离性。其次，提出动态分层特征精炼器以捕获样本的判别性局部特征。通过动态生成的核，该精炼器将不同维度的判别性局部特征整合进全局特征，进一步增强了提取特征的内类紧致性与类间分离性。所提方法不仅增加了可用于监督训练的信息量，还从样本中提取判别性特征，从而在 SAR 训练数据有限的问题中取得优越的 ATR 性能。在运动与静止目标获取与识别（MSTAR）、OpenSARShip 和 FUSAR-Ship 基准数据集上的实验结果证明了所提方法在面对有限 SAR 训练数据时的鲁棒性与出色 ATR 性能。
引用
@article{arxiv.2308.10243,
title = {SAR ATR Method with Limited Training Data via an Embedded Feature Augmenter and Dynamic Hierarchical-Feature Refiner},
author = {Chenwei Wang and Siyi Luo and Yulin Huang and Jifang Pei and Yin Zhang and Jianyu Yang},
journal= {arXiv preprint arXiv:2308.10243},
year = {2023}
}