小样本 SAR ATR 的批次实例判别和特征聚类的弱对比学习
原文中文,约300字,阅读约需1分钟。发表于: 。通过弱对比学习,我们提出了一种名为批次实例判别和特征聚类(BIDFC)的新型框架,用于合成孔径雷达(SAR)自动目标识别(ATR)技术中的高准确率目标识别。在 MSTAR 数据库上的实验结果表明,我们在仅使用 3.13% 的训练数据进行微调的方法实现了 91.25% 的分类准确度。即使对同一训练数据进行线性评估,准确度仍可达到 90.13%。我们还验证了 BIDFC 在...
通过弱对比学习,提出了一种名为批次实例判别和特征聚类(BIDFC)的新型框架,用于合成孔径雷达(SAR)自动目标识别(ATR)技术中的高准确率目标识别。实验结果表明,仅使用3.13%的训练数据进行微调的方法实现了91.25%的分类准确度。验证了BIDFC在OpenSarShip数据库中的有效性,可推广到其他数据集。