《雷达学报杂志》发表论文赏析

面向SAR图像目标分类的CNN模型可视化方法

来源:雷达学报杂志2024年第2期北京时间:

作者:李妙歌, 陈渤, 王东升, 刘宏伟

单位:西安电子科技大学雷达信号处理全国重点实验室 西安 710071;

摘要:卷积神经网络(CNN)在合成孔径雷达(SAR)图像目标分类任务中应用广泛。由于网络工作机理不透明,CNN模型难以满足高可靠性实际应用的要求。类激活映射方法常用于可视化CNN模型的决策区域,但现有方法主要基于通道级或空间级类激活权重,且在SAR图像数据集上的应用仍处于起步阶段。基于此,该文从神经元特征提取能力和网络决策依据两个层面出发,提出了一种面向SAR图像的CNN模型可视化方法。首先,基于神经元的激活值,对神经元在其感受野范围内的目标结构学习能力进行可视化,然后提出一种通道-空间混合的类激活映射方法,通过对SAR图像中的重要区域进行定位,为模型的决策过程提供依据。实验结果表明,该方法给出了模型在不同设置下的可解释性分析,有效拓展了卷积神经网络在SAR图像上的可视化应用。

关键词:合成孔径雷达, 可视化分析, 卷积神经网络, 类激活映射, 神经元

基金资助:国家自然科学基金(U21B2006),陕西省青年创新团队项目,中央高校基本科研业务费专项资金(QTZX23037, QTZX22160),“111”计划(B18039)

2024年2期其他文献查阅:

微波视觉与SAR图像智能解译

SAR图像飞机目标智能检测识别技术研究进展与展望

基于时频分析的SAR目标微波视觉特性智能感知方法与应用

格式塔感知规律在SAR图像中的有效性初探

面向SAR图像目标分类的CNN模型可视化方法

面向目视解译的全极化SAR船只精细化特征表征方法

基于极化SAR梯度和复Wishart分类器的舰船检测

基于散射点拓扑和双分支卷积神经网络的SAR图像小样本舰船分类

面向SAR目标识别深度网络可理解的类激活映射方法

融合可微分渲染的SAR多视角样本增广

基于RANSAC和三维谱峰分析的全姿态散射中心建模

微波光子SAR最优子带融合的全分辨伪彩图生成方法

基于属性散射中心卷积核调制的SAR目标识别深层网络

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!