The invention relates to a SAR image target recognition method based on migration learning and full connection layer output, which includes: reading SAR image data and intercepting the target, so that the size of the target image to be recognized is the same; doing four kinds of preprocessing for the intercepted image data, including cutting, rotating, zooming and image flipping transformation to expand the data set; and the number of the expanded data set Normalization of values; design of full connection layer full output deep learning model based on resnet50 network; import resnet50 network parameters trained by optical image data set into the design model, freeze the bottom parameters of the model, train the unfrozen parameters in the model using the labeled training samples of SAR image data set; use the trained model to recognize SAR image Prediction and recognition results.
【技术实现步骤摘要】
一种基于迁移学习与全连接层输出的SAR目标识别方法
本专利技术涉及SAR遥感图像处理技术,特别是涉及SAR遥感图像地面车辆目标识别
技术介绍
SAR遥感图像自动目标识别(automatictargetrecognition,ATR),特别是地面战术车辆目标的识别,具有较高的军事应用价值。经典目标识别方法需要人工设计图像特征与分类器,性能受限,逐渐被基于深度学习的SAR目标识别方法替代。深度学习通过设计包含多个卷积、池化和全连接层的神经网络,在大量数据支持训练的前提下,自动提取目标特征,同时完成分类任务。网络层数越多,对目标特征的描述能力越强。因此,必须设计更深且目标特征描述能力更强的神经网络模型,提高模型的训练效率和泛化能力,才能更好地完成SAR目标识别任务。基于深度学习的SAR图像目标识别技术面临三方面问题:(1)不同于自然场景海量样本,SAR图像地面车辆目标因样本获取难度大,数据集样本量较少,不利于深层网络的训练。(2)设计一个新的深度网络结构并直接从头训练,常会面临因初始值与最优值差距较大,网络迭代变慢,易陷入局部极值,产生过拟合现象。(3)设计深度识别网络时,一般在网络输出层处做多个全连接层处理,将训练好的高维特征卷积压缩至低维向量,送入softmax分类器进行最后识别。这种处理方式会因为全连接层中对训练特征的逐步压缩而损失提取的高维特征信息,影响模型的泛化能力。本专利技术克服了少量样本条件训练、深度网络过拟合以及高维特征信息损失问题,提高了目标识别能力。
技术实现思路
...
【技术保护点】
1.一种基于迁移学习与全连接层输出的SAR图像目标识别方法,其特征在于:/n步骤1:读取数据:计算机读取含有地面车辆目标的SAR遥感图像训练集和测试集;/n步骤2:图像裁剪:以车辆目标中心为中心将所有图像裁剪至相同大小;/n步骤3:图像增广扩充:采用图像预处理方法对训练数据集进行增广扩充和数值归一化操作,将图像的像素值归一化至(0,1]区间;/n步骤4:搭建深度网络模型:搭建深度网络结构为ResNet50—>Flatten层—>Dense层—>Dropout层—>Dense层—>Dropout层—>softmax输出类别;先利用ResNet50网络对原始图像进行特征提取,通过Flatten层将提取特征一维化,再连续通过两个Dense层,并将第一个Dense层获得的结果与第二个Dense层获得的结果进行加和,共同传递至最后的softmax分类器,输出类别;/n步骤5:模型训练:载入利用光学图像数据集训练好的ResNet50网络参数,冻结模型底层网络参数,设置模型训练参数,利用步骤3中准备好的SAR图像训练集进行迁移学习,保存训练模型;/n步骤6:模型测 ...
【技术特征摘要】
1.一种基于迁移学习与全连接层输出的SAR图像目标识别方法,其特征在于:
步骤1:读取数据:计算机读取含有地面车辆目标的SAR遥感图像训练集和测试集;
步骤2:图像裁剪:以车辆目标中心为中心将所有图像裁剪至相同大小;
步骤3:图像增广扩充:采用图像预处理方法对训练数据集进行增广扩充和数值归一化操作,将图像的像素值归一化至(0,1]区间;
步骤4:搭建深度网络模型:搭建深度网络结构为ResNet50—>Flatten层—>Dense层—>Dropout层—>Dense层—>Dropout层—>softm...
【专利技术属性】
技术研发人员:安振宇,孟凡君,曹德建,鲍鹏飞,刘硕,
申请(专利权)人:中国船舶重工集团公司第七二四研究所,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。