公开(公告)号：CN109492556A

公开(公告)日：2019-03-19

申请号：CN201811263252.8

申请日：2018-10-28

Applicant: 北京化工大学

Inventor： 张帆 ,  傅真珍 ,  赵鹏 ,  尹嫱 ,  胡伟

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了面向小样本残差学习的合成孔径雷达目标识别方法，针对SAR图像目标识别任务中人工的高成本以及样本数据有限的问题，该方法使用了18层的残差网络作为基础网路结构，将深度残差学习应用到SAR小样本目标识别中，并将Dropout引入了每个残差块的结构中。使用了Softmax Loss和Center Loss这两种损失函数组合所构成的目标函数来进行监督。本发明主要的实施对象是机载聚束式合成孔径雷达所采集的图像，主要工作是对其进行目标识别。

公开(公告)号：CN109492556B

公开(公告)日：2022-09-20

申请号：CN201811263252.8

申请日：2018-10-28

Applicant: 北京化工大学

Inventor： 张帆 ,  傅真珍 ,  赵鹏 ,  尹嫱 ,  胡伟

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/84 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了面向小样本残差学习的合成孔径雷达目标识别方法，针对SAR图像目标识别任务中人工的高成本以及样本数据有限的问题，该方法使用了18层的残差网络作为基础网路结构，将深度残差学习应用到SAR小样本目标识别中，并将Dropout引入了每个残差块的结构中。使用了Softmax Loss和Center Loss这两种损失函数组合所构成的目标函数来进行监督。本发明主要的实施对象是机载聚束式合成孔径雷达所采集的图像，主要工作是对其进行目标识别。