SAR影像中深度迁移学习的可视化
计算机视觉与模式识别
2021-03-23 v1
摘要
合成孔径雷达（SAR）影像在陆地与海洋监视中具有多样应用。与电光（EO）系统不同，这些系统不受天气条件影响，可昼夜使用。随着SAR影像重要性日益增长，若能将广泛可用的EO数据集上训练的模型也用于SAR图像则颇为理想。本工作中，我们考虑迁移学习，以利用在EO船舶数据集上训练的网络所提取的深度特征，并对SAR影像生成预测。此外，通过以类激活图（CAMs）形式探索网络激活，我们将迁移学习至SAR影像的过程可视化，并深入认识深度网络如何解读一种新的模态。
引用
@article{arxiv.2103.11061,
title = {Visualization of Deep Transfer Learning In SAR Imagery},
author = {Abu Md Niamul Taufique and Navya Nagananda and Andreas Savakis},
journal= {arXiv preprint arXiv:2103.11061},
year = {2021}
}
备注
4 pages, 5 figures