《雷达学报杂志》发表论文赏析

面向SAR目标识别深度网络可理解的类激活映射方法

来源:雷达学报杂志2024年第2期北京时间:

作者:崔宗勇, 杨致远, 蒋阳, 曹宗杰, 杨建宇

单位:电子科技大学信息与通信工程学院 成都 611731;

摘要:随着深度学习方法在合成孔径雷达(SAR)图像解译领域的广泛应用,SAR目标识别深度网络可理解性问题逐渐受到学者的关注。类激活映射(CAM)作为常用的可理解性算法,能够通过热力图的方式,直观展示对识别任务起作用的显著性区域。然而作为一种事后解释的方法,其只能静态展示当次识别过程中的显著性区域,无法动态展示当输入发生变化时显著性区域的变化规律。该文将扰动的思想引入类激活映射,提出了一种基于SAR背景杂波特性类激活映射方法(SCC-CAM),通过对输入图像引入同分布的全局扰动,逐步向SAR识别深度网络施加干扰,使得网络判决发生翻转,并在此刻计算网络神经元输出激活值的变化程度。该方法既能解决添加扰动可能带来的扰动传染问题,又能够动态观察和度量目标识别网络在识别过程中显著性区域的变化规律,从而增强深度网络的可理解性。在MSTAR数据集和OpenSARShip-1.0数据集上的试验表明,该文提出的算法具有更加精确的定位显著性区域的能力,相比于传统方法,在平均置信度下降率、置信度上升比例、信息量等评估指标上,所提算法具有更强的可理解性,能够作为通用的增强网络可理解性的方法。

关键词:SAR目标识别, 网络可理解性, SAR杂波特性, 类激活映射, 面积约束置信度下降率

基金资助:国家自然科学基金(62271116, 61971101)

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!