基于卷积神经网络迁移学习的飞机目标识别

论文摘要

飞机目标识别是地面情报系统的一项重要关键技术。近年来火热的深度学习方法,如卷积神经网络,展现出对于图像识别任务的优越性能。但是,训练卷积神经网络需要大量的带标签样本以估计规模庞大的模型参数,因而限制了其在雷达目标识别领域中的应用。针对飞机目标识别中的小样本问题,文中引入适用于有限数据场景的迁移学习技术,预先在其他大样本高分辨距离像数据上训练一个初始卷积神经网络模型,再结合当前飞机目标识别任务调优模型参数。在实测数据上的实验结果显示,与仅使用卷积神经网络的方法相比,所提方法可显著提升识别准确率,验证了方法的有效性。

论文目录

• 0 引 言
• 1 基于卷积神经网络迁移学习的目标识别方法
•   1.1 卷积神经网络
•   1.2 迁移学习
•   1.3 基于卷积神经网络迁移学习的HRRP识别方法
• 2 实测数据验证实验
•   2.1 实验设置
•   2.2 实验结果及分析
• 3 结束语

文章来源

类型: 期刊论文

作者: 杨予昊,孙晶明,虞盛康

关键词: 飞机目标识别,卷积神经网络,小样本,迁移学习

来源: 现代雷达 2019年12期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 武器工业与军事技术,电信技术,自动化技术

单位: 南京电子技术研究所,中国电子科技集团公司智能感知技术重点实验室

分类号: E91;TN953;TP183

DOI: 10.16592/j.cnki.1004-7859.2019.012.008

页码: 35-39

总页数: 5

文件大小: 1050K

下载量: 358