公开(公告)号：CN114529767B

公开(公告)日：2025-01-14

申请号：CN202210152954.9

申请日：2022-02-18

Applicant: 厦门大学

Inventor： 黄悦 ,  蔡森林 ,  黄乐兴 ,  丁兴号

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/09

Abstract: 基于双阶段对比学习框架的小样本SAR目标识别方法，涉及图像识别。针对SAR数据集获取困难，标注数据耗时耗力的实际问题，提出了基于双阶段训练策略的对比学习框架，用来解决小样本数据条件下的SAR目标识别。将训练过程解耦为表征学习阶段和分类学习阶段，包括：1)表征学习阶段，采用监督对比学习在原始SAR数据集上训练网络的表示模块；2)分类学习阶段，对编码模块进行固定并采用重平衡策略训练网络的分类模块。建立在机器学习中的对比学习的基础上，并结合解耦学习的思想，实用性强，稳定性好，能够满足类别不均衡、小样本数据等情况下SAR目标识别精度高标准的需求。

公开(公告)号：CN114529767A

公开(公告)日：2022-05-24

申请号：CN202210152954.9

申请日：2022-02-18

Applicant: 厦门大学

Inventor： 丁兴号 ,  黄悦 ,  黄乐兴 ,  蔡森林

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/08

Abstract: 基于双阶段对比学习框架的小样本SAR目标识别方法，涉及图像识别。针对SAR数据集获取困难，标注数据耗时耗力的实际问题，提出了基于双阶段训练策略的对比学习框架，用来解决小样本数据条件下的SAR目标识别。将训练过程解耦为表征学习阶段和分类学习阶段，包括：1)表征学习阶段，采用监督对比学习在原始SAR数据集上训练网络的表示模块；2)分类学习阶段，对编码模块进行固定并采用重平衡策略训练网络的分类模块。建立在机器学习中的对比学习的基础上，并结合解耦学习的思想，实用性强，稳定性好，能够满足类别不均衡、小样本数据等情况下SAR目标识别精度高标准的需求。