使用混合数据集训练深度学习模型以实现实际 SAR 图像上鲁棒的自动目标检测
计算机视觉与模式识别
2024-05-17 v1 人工智能
机器学习
信号处理
摘要
本文提出了解决阻碍地面目标 SAR 图像自动目标检测 (ATD) 算法发展的若干挑战的方法。为解决缺乏代表性训练数据的问题，我们提出一种深度学习方法，使用 MOCEM 模拟器生成的合成目标签名来训练 ATD 模型。我们定义了一个融合管线，将合成目标融入真实背景。通过该混合数据集训练针对合成与真实数据之间鸿沟优化的 ATD 模型。该方法显著依赖大规模基于物理的数据增强技术和对两种深度学习检测架构的对抗训练。随后我们在多个数据集上测试这些模型，包括 (1) 真实 SAR 图像的局部拼贴图、(2) 融入真实背景中真实目标的图像、以及 (3) 融入真实背景中合成背景对象的图像。结果表明，所产生的混合数据集不受图像叠加偏差的影响。该方法在真实数据上可达到最高 90% 的平均精度，而仅使用合成目标进行训练。
引用
@article{arxiv.2405.09588,
title = {Training Deep Learning Models with Hybrid Datasets for Robust Automatic Target Detection on real SAR images},
author = {Benjamin Camus and Théo Voillemin and Corentin Le Barbu and Jean-Christophe Louvigné and Carole Belloni and Emmanuel Vallée},
journal= {arXiv preprint arXiv:2405.09588},
year = {2024}
}