当深度学习遇见 SAR ATR 中的多任务学习:同步目标识别与分割
图像与视频处理
2023-08-15 v1
摘要
随着深度学习的近期进展,合成孔径雷达(synthetic aperture radar, SAR)的自动目标识别(automatic target recognition, ATR)已取得优越性能。通过不局限于目标类别,SAR ATR 系统可受益于同步提取多种目标属性。本文提出一种用于 SAR ATR 的新多任务学习方法,可同时获得目标的精确类别与精确形状。通过将深度学习理论引入多任务学习,我们首先提出一种具有编码器与解码器两个主要结构的新型多任务深度学习框架。编码器被构建以针对不同尺度为解码器提取充足的图像特征,而解码器是一种任务专用结构,其自适应且最优地利用这些提取的特征以满足识别与分割的不同特征需求。因此,所提框架具备实现优越识别与分割性能的能力。基于运动与静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition, MSTAR)数据集,实验结果表明所提框架在识别与分割方面的优越性。
引用
@article{arxiv.2308.07093,
title = {When Deep Learning Meets Multi-Task Learning in SAR ATR: Simultaneous Target Recognition and Segmentation},
author = {Chenwei Wang and Jifang Pei and Zhiyong Wang and Yulin Huang and Junjie Wu and Haiguang Yang and Jianyu Yang},
journal= {arXiv preprint arXiv:2308.07093},
year = {2023}
}