基于卷积注意力和胶囊网络的SAR少样本目标识别方法

作者：霍鑫怡; 李焱磊; 陈龙永; 张福博; 孙巍

来源：中国科学院大学学报, 2022, 39(06): 783-792.

DOI：10.7523/j.ucas.2021.0022

• 合成孔径雷达
• SAR少样本目标识别
• 胶囊网络
• 卷积神经网络
• 卷积注意力机制
• 目标检测

合成孔径雷达(SAR)目标识别在军事和民用领域都具有重要的研究价值。但由于SAR数据获取成本高、样本数目少，传统的卷积神经网络提取目标特征的能力不足，准确率低下。提出结合卷积注意力和胶囊网络的分类模型，利用胶囊网络中的多维向量神经元表示目标更多的特征；同时，考虑到少样本情况下目标特征信息缺乏，为提高神经网络的学习效率，对胶囊网络加入注意力机制，通过学习不同特征的重要程度，引导分类网络重点关注对分类结果贡献大的特征，弱化对分类结果贡献小的特征，提高神经网络的学习效率。针对MSTAR数据集和实测车辆数据集的实验结果表明，该算法的准确率高于传统的卷积神经网络和胶囊网络算法。