《雷达学报杂志》发表论文赏析
作者:郭炜炜, 张增辉, 郁文贤, 孙效华
单位:1.同济大学数字创新中心 上海 200092;2.上海交通大学智能探测与识别上海市重点实验室 上海 200240;
摘要:合成孔径雷达(SAR)图像目标识别是实现微波视觉的关键技术之一。尽管深度学习技术已被成功应用于解决SAR图像目标识别问题,并显著超越了传统方法的性能,但其内部工作机理不透明、解释性不足,成为制约SAR图像目标识别技术可靠和可信应用的瓶颈。深度学习的可解释性问题是目前人工智能领域的研究热点与难点,对于理解和信任模型决策至关重要。该文首先总结了当前SAR图像目标识别技术的研究进展和所面临的挑战,对目前深度学习可解释性问题的研究进展进行了梳理。在此基础上,从模型理解、模型诊断和模型改进等方面对SAR图像目标识别的可解释性问题进行了探讨。最后,以可解释性研究为切入点,从领域知识结合、人机协同和交互式学习等方面进一步讨论了未来突破SAR图像目标识别技术瓶颈有可能的方向。
关键词:合成孔径雷达, 自动目标识别, 深度学习, 可解释性, 可解释机器学习
基金资助:国家自然科学基金联合基金(U1830103)
2020年3期其他文献查阅:
高山峡谷区滑坡灾害隐患InSAR早期识别——以雅砻江中段为例
基于ALOS-2 PALSAR-2多基线极化干涉SAR数据反演森林高度