基于轻量级视觉Transformer的SAR自动目标识别多类别图像分类
计算机视觉与模式识别
2024-07-10 v2
摘要
合成孔径雷达已广泛应用于众多领域，能够收集感兴趣区域的大量信息。这种大场景数据密集型技术高度重视自动目标识别，它可以解放用户并提高效率。人工智能的最新进展使得创建基于深度学习的SAR ATR成为可能，该技术能够从海量输入数据中自动识别目标特征。在过去6年中，该领域进行了大量研究，然而，当前SAR ATR领域的大多数论文使用循环神经网络和卷积神经网络的各种变体模型来加深对SAR图像的理解。为了使SAR ATR配备最新的深度学习技术，本文尝试应用基于轻量级视觉Transformer的模型对SAR图像进行分类。整个结构通过一个开放获取的SAR数据集进行了验证，识别结果表明，与参考的传统网络结构相比，即使不使用任何卷积层，最终的分类结果也具有鲁棒性且更准确。
引用
@article{arxiv.2407.06128,
title = {Towards SAR Automatic Target Recognition MultiCategory SAR Image Classification Based on Light Weight Vision Transformer},
author = {Guibin Zhao and Pengfei Li and Zhibo Zhang and Fusen Guo and Xueting Huang and Wei Xu and Jinyin Wang and Jianlong Chen},
journal= {arXiv preprint arXiv:2407.06128},
year = {2024}
}