基于卷积注意力和胶囊网络的SAR少样本目标识别方法OA北大核心CSCDCSTPCD
合成孔径雷达(SAR)目标识别在军事和民用领域都具有重要的研究价值。但由于SAR数据获取成本高、样本数目少,传统的卷积神经网络提取目标特征的能力不足,准确率低下。提出结合卷积注意力和胶囊网络的分类模型,利用胶囊网络中的多维向量神经元表示目标更多的特征;同时,考虑到少样本情况下目标特征信息缺乏,为提高神经网络的学习效率,对胶囊网络加入注意力机制,通过学习不同特征的重要程度,引导分类网络重点关注对分类结果贡献大的特征,弱化对分类结果贡献小的特征,提高…查看全部>>
霍鑫怡;李焱磊;陈龙永;张福博;孙巍
中国科学院空天信息创新研究院微波成像技术国家重点实验室,北京100094 中国科学院大学,北京100049中国科学院空天信息创新研究院微波成像技术国家重点实验室,北京100094 中国科学院大学,北京100049中国科学院空天信息创新研究院微波成像技术国家重点实验室,北京100094 中国科学院大学,北京100049中国科学院空天信息创新研究院微波成像技术国家重点实验室,北京100094 中国科学院大学,北京100049中国科学院空天信息创新研究院微波成像技术国家重点实验室,北京100094
电子信息工程
合成孔径雷达SAR少样本目标识别胶囊网络卷积神经网络卷积注意力机制目标检测
《中国科学院大学学报》 2022 (6)
P.783-792,10
北京市科技新星计划(Z201100006820014)资助。
评论