-
题名基于DCResNet的SAR图像车辆目标识别
被引量:3
- 1
-
-
作者
王强
曹磊
史润佳
杨非
蒋忠进
-
机构
东南大学毫米波国家重点实验室
-
出处
《雷达科学与技术》
北大核心
2021年第4期387-392,402,共7页
-
基金
国家自然科学基金(No.61890544,91748106)
航空科学基金(No.ASFC-201920069002)。
-
文摘
合成孔径雷达(SAR)图像自动目标识别中,特征提取和目标分类是两个重要环节。残差网络(ResNet)作为一种较新的卷积神经网络,凭借其对目标特征的自适应学习能力,在SAR图像分类领域表现突出。本文在ResNet基础上,设计出了密集连接型残差网络(DCResNet),用于SAR图像目标识别。DCResNet在残差模块中增加了跳跃性连接的密度,不仅继承了ResNet的易学习的优点,还加强了特征的传播和利用率。除此之外,DCResNet采用平均池化的方式进行下采样,抑制了SAR图像中噪声对识别精度造成的影响。关于SAR图像目标识别的实验结果证明,本文提出的DCResNet与ResNet、AlexNet相比,不仅具有更快的收敛速度和推理速度,而且目标分类的准确率更高。
-
关键词
SAR图像
深度学习
目标识别
残差网络
密集连接型残差网络
-
Keywords
SAR image
deep learning
target recognition
residual network
DCResNet
-
分类号
TN957.51
[电子电信—信号与信息处理]
-