基于迁移学习仿真 SAR 图像的目标识别研究

来源：计算机技术与发展杂志2021年第10期北京时间：

作者：崔亚楠;吴建平;';朱辰龙;闫相如

单位：1. 云南大学 信息学院,云南 昆明 650504;2. 云南省电子计算中心,云南 昆明 650223;3. 云南省高校数字媒体技术重点实验室,云南 昆明 650223

摘要：合成孔径雷达(SAR) 图像的目标识别研究在军事、国防等领域具有特殊的应用价值。 为了更高效、准确地识别SAR 图像中的目标物,实验利用卷积神经网络对 SAR 图像进行训练,以获取良好的识别模型。 但小样本集合的 SAR 图像存在识别效果差,易导致结果过拟合等问题。 为此,研究并提出了一种基于卷积神经网络仿真 SAR 图像迁移学习的目标识别方法。 通过选取数据量较大的仿真 SAR 图像数据集预训练 Inception-ResNet-v2 网络模型,得到相应的网络参数。 结合迁移学习的方法,将预训练模型得到的网络参数迁移到目标模型上作为目标模型的初始化参数,使用 SAR 图像对目标模型进行识别训练,并同步进行参数优化和迭代训练。 实验有效解决了 SAR 图像数据不足所产生的过拟合问题,并且模型识别的准确率得到提升。 通过 MSTAR 数据集验证了该算法的有效性,识别的准确率达到 99. 57% 。

关键词：卷积神经网络;迁移学习;合成孔径雷达;仿真 SAR 图像;Inception-ResNet-v2