基于增强数据集卷积神经网络的SAR目标识别方法

陈欣; 陈明逊

首页> 中文期刊> 《重庆理工大学学报》 >基于增强数据集卷积神经网络的SAR目标识别方法

基于增强数据集卷积神经网络的SAR目标识别方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

cqvip:提出基于增强数据集卷积神经网络的合成孔径雷达(SAR)目标识别方法。卷积神经网络的分类能力与训练样本的数量和全面性息息相关。由于SAR目标识别中存在大量的扩展操作条件,基于原始少量训练样本的卷积神经网络稳健性较差。通过添加噪声构造噪声样本;通过多分辨率分析获得多分辨率的样本;通过模拟部分遮挡获得不同程度的遮挡样本。采用增强后的训练样本训练卷积神经网络从而提高其对于噪声干扰、分辨率变换以及部分遮挡等情形的稳健性。同时,由更多训练样本训练得到的网络对于其他扩展操作条件的适应性也有一定的提高。基于MSTAR数据集进行了验证实验,证明了提出方法的有效性。

著录项

来源
《重庆理工大学学报》 |2020年第1期|P.86-93|共8页
作者
陈欣; 陈明逊;
展开▼
作者单位

重庆邮电大学移通学院重庆401520;

重庆城市职业学院重庆401520;

展开▼
原文格式 PDF
正文语种 chi
中图分类图像解释、判读;
关键词
合成孔径雷达; 目标识别; 卷积神经网络; 增强数据集;

相似文献

中文文献
外文文献
专利

1. 基于增强数据集卷积神经网络的SAR目标识别方法 [J] . 陈欣 ,陈明逊 . 重庆理工大学学报（自然科学版） . 2020,第001期
2. 基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法 [J] . 涂豫 . 探测与控制学报 . 2020,第006期
3. 基于增强字典稀疏表示分类的SAR目标识别方法 [J] . 陈婕 ,廖志平 . 探测与控制学报 . 2020,第003期
4. 基于无监督K均值特征和数据增强的SAR图像目标识别方法 [J] . 刘凯品 ,应自炉 ,翟懿奎 . 信号处理 . 2017,第003期
5. 基于目标区域匹配的SAR目标识别方法 [J] . 付凡成 . 电光与控制 . 2018,第004期
6. 基于OCSVM的SAR目标拒识以及数据集扩充方法 [C] . Sihang Dang ,党思航 ,Zongyong Cui . 第十四届全国雷达学术年会 . -1
7. 基于卷积神经网络的空间红外目标识别方法研究 [A] . 邓秋群 . 2019

基于增强数据集卷积神经网络的SAR目标识别方法

摘要

著录项

相似文献

相关主题

期刊订阅