面向小样本SAR图像识别的自注意力多尺度特征融合网络

作者：应自炉; 宣晨; 翟懿奎^*; 王发官

来源：信号处理, 2020, 36(11): 1846-1858.

DOI：10.16798/j.issn.1003-0530.2020.11.007

• 小样本
• 自注意力机制
• 多尺度特征
• 合成孔径雷达

合成孔径雷达(Synthetic Aperture Radar,SAR)图像标签难以大量获取,存在着大量小样本SAR数据集。SAR图像充满着散斑噪声,直接将卷积神经网络(Convolutional Neural Network,CNN)应用在小样本SAR数据集上难以提取有效特征。针对以上问题,本文提出了一种面向小样本SAR图像识别的自注意力多尺度特征融合网络。首先,将自注意力机制与幽灵模块相结合构建自注意力幽灵模块,并利用该模块替代经典的卷积操作提取SAR图像特征。其次,在网络中添加通道混洗单元以构建多尺度信息融合支路。最后,引入知识蒸馏对设计的网络进行压缩,进一步控制网络参数量。实验结果表明,本文方法在不同工作条件下采集的MSTAR数据集上具有出色的识别性能,在构建的小样本SAR数据集上也表现出良好的鲁棒性。

• 单位
  五邑大学