系统工程与电子技术

作者：周晓玲, 张朝霞, 鲁雅, 王倩, 王琨琨

单位：太原理工大学物理与光电工程学院, 山西 太原 030024

关键词：机器视觉,目标识别,合成孔径雷达,全卷积网络,迁移学习

基金：2020年度山西省高等学校科技成果转化培育项目;山西省重点研发计划项目(高新技术领域)(201803D121057)

由于深度学习在目标识别方面取得了显著的成绩, 为提高合成孔径雷达(synthetic aperture radar, SAR)图像目标识别的精度与速度提供了新的思路。本文将区域全卷积网络(region-based fully convolutional networks, R-FCN)结构应用于SAR图像目标识别中, 取得了良好的效果。对于数据集较小和数据相似度较高的问题, 提出了基于迁移学习的R-FCN模型用于SAR图像目标识别。对更快的区域卷积神经网络(faster region convolutional neural networks, Faster R-CNN)和R-FCN进行模型训练及优化, 并与所提出的基于迁移学习的改进R-FCN模型实验结果进行对比。结果表明, 所提方法对SAR图像具有更好的识别效果和更快的识别速度。

来源：2022年第4期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第4期