SAVERS：基于卷积神经网络的带验证支持的 SAR 自动目标识别
计算机视觉与模式识别
2018-05-17 v1
摘要
我们提出一种新的卷积神经网络（CNN），用于端到端合成孔径雷达（SAR）自动目标识别（ATR）系统的粗分割与细分割。近年来，许多基于深度学习的 SAR ATR 的 CNN 被提出，但多数从 SAR 图像中提取固定尺寸目标切片并对目标类别进行分类。另一方面，我们提出了一种 CNN，可从任意尺寸和多目标的 SAR 图像中逐像素输出多目标类别与背景类别的分数作为细分割。然而，由人工判断 CNN 分割结果是必要的。在本报告中，我们提出一种称为带验证支持的 SAR ATR（SAVERS）的 CNN，其执行区域级（即粗）分割与像素级分割。SAVERS 通过粗分割区分目标与非目标，并对多目标类别与非目标类别进行分类。本报告描述了使用移动与静止目标获取与识别（MSTAR）数据集对 SAVERS 的评估结果。
引用
@article{arxiv.1805.06298,
title = {SAVERS: SAR ATR with Verification Support Based on Convolutional Neural Network},
author = {Hidetoshi Furukawa},
journal= {arXiv preprint arXiv:1805.06298},
year = {2018}
}
备注
Technical Report, 6 pages, 8 figures, 5 tables, Copyright(C)2018 IEICE. arXiv admin note: substantial text overlap with arXiv:1801.08558