Print

基于深度学习的雷达图像目标识别研究进展

论文摘要

雷达探测是一种有效的对地观测手段,雷达图像目标识别是其重要研究方向.深度学习已在众多领域取得成功,然而训练深层神经网络需要大量数据,样本量不足已成为制约深度学习方法在雷达图像目标识别中应用的主要因素.本文对基于深度学习的雷达图像目标识别研究进展进行了综述,梳理和总结了具有代表性的方法.首先,介绍针对雷达图像目标识别的数据扩充和网络模型设计方法.然后,详细阐述本课题组针对小样本条件提出的基于迁移学习、度量学习和半监督学习的雷达图像目标识别方法.最后,讨论了目前仍然存在的问题,并给出了对未来发展趋势的展望.

论文目录

  • 1 引言
  • 2 雷达图像目标识别数据集
  • 3 面向雷达图像目标识别的数据扩充方法
  • 4 面向雷达图像目标识别的网络结构设计
  • 5 小样本条件下基于迁移学习的雷达图像目标识别方法
  • 6 小样本条件下基于度量学习的雷达图像目标识别方法
  • 7 小样本条件下基于半监督学习的雷达图像目标识别方法
  • 8 总结与展望

    • 文章来源

    类型: 期刊论文

    作者: 潘宗序,安全智,张冰尘

    关键词: 雷达图像,目标识别,深度学习,卷积神经网络,小样本

    来源: 中国科学:信息科学 2019年12期

    年度: 2019

    分类: 信息科技

    专业: 电信技术,自动化技术

    单位: 中国科学院电子学研究所,中国科学院空间信息处理与应用系统技术重点实验室,中国科学院大学

    基金: 国家自然科学基金(批准号:61701478)资助项目

    分类号: TP18;TN957.52

    页码: 1626-1639

    总页数: 14

    文件大小: 6940K

    下载量: 772

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e871466c178fe143df403f50.html