基于通道注意力机制的小样本SAR飞机图像分类方法

【类型】期刊

【作者】赵一铭  王佩瑾  刁文辉  孙显  邓波 

【刊名】南京大学学报(自然科学)

【关键词】 元学习,SAR图像分类,通道注意力模块,预训练,小样本学习

【摘要】合成孔径雷达（Synthetic Aperture Radar,SAR）以其全天候、全天时、高分辨率、大幅宽的特点，成为对地观测的重要手段，图像分类是SAR图像解译的一个重要方向.和光学图像相比，SAR图像的成像机理较复杂，存在较多噪声干扰，导致图像清晰度较差、样本标注的难度大，无法保证深度学习算法对样本量的需求，因此，对小样本SAR图像进行图像分类成为当前SAR图像解译领域的重点研究问题之一.基于这一问题展开了基于元学习的SAR图像分类模型的研究，以实现小样本条件下SAR图像的高精度识别.构建基于注意力机制的原型网分类方法，设计了通道注意力模块来自动获取图像特征的重要程度，促进提取对图像分类更有判别力的特征；同时，对模型设计预训练网络，以充分利用已有数据的信息，学习更好的先验信息，提高分类的准确率.在自建的高分辨率SAR图像数据集上对该小样本分类模型进行了实验.消融实验表明，注意力模块和预训练模块对模型的性能均有一定的提升效果.通过对比实验，证明和当前常用的小样本学习方法相比，构建的分类方法能在SAR图像分类中获得较高的准确率，在第一组实验的5-way 1-shot实验中得到的分类精度提高了5.9%，在5-way 5-shot实验中提高了1.92%.

【年份】2024

【作者单位】中国科学院空天信息创新研究院;中国科学院大学;中国科学院大学电子电气与通信工程学院;中国科学院网络信息体系技术重点实验室;

【期号】03

【页码】464-476