基于DCResNet的SAR图像车辆目标识别

来源：雷达科学与技术杂志2021年第4期北京时间：

作者：王强，曹磊，史润佳，杨非，蒋忠进

单位：东南大学毫米波国家重点实验室，江苏南京210096

摘要：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,

基金资助：国家自然科学基金（No.61890544，91748106）; 航空科学基金（No.ASFC 201920069002）