一种用于零样本SAR目标识别的渐进式域自适应识别方法技术

本发明专利技术公开了一种用于零样本SAR目标识别的渐进式域自适应识别方法，包括：将仿真数据样本和实测数据样本导入到特征对齐网络中，提取第一特征信息和第二特征信息；根据第一特征信息和第二特征信息计算得到分布差异；基于第一损失函数得到训练后的特征对齐网络；利用训练后的特征对齐网络预测无标签的实测数据集，并给无标签的实测数据集赋予伪标签，得到伪标签的第一实测数据集；对第一实测数据集进行伪标签去噪处理，得到伪标签去噪的实测数据集；将伪标签去噪后的实测数据集导入上述训练后的特征对齐网络，以调整网络参数；将待分类的数据输入至调整后的特征对齐网络，得到最终的分类识别结果。本发明专利技术有效地去除了包含噪声的伪标签数据，从而使得识别的结果更加稳定。从而使得识别的结果更加稳定。从而使得识别的结果更加稳定。

【技术实现步骤摘要】
一种用于零样本SAR目标识别的渐进式域自适应识别方法


[0001]本专利技术属于雷达
，具体涉及一种用于零样本SAR目标识别的渐进式域自适应识别方法。

技术介绍

[0002]合成孔径雷达(SAR)数据已广泛应用于军事侦察、灾害预警、环境监测等多个领域。SAR自动目标识别(ATR)技术，旨在识别SAR图像的目标类型，该项技术得到了广泛的研究。对于SAR
‑
ATR，为了保证分类器有效的识别性能，通常需要大量的标记数据来训练分类器。因此，缺少训练数据将会影响识别性能。通过仿真技术生成SAR图像是一种有效的获取数据的方式。但是由于各种原因，仿真图像与实测图像的分布之间会存在差异，导致仿真图像的应用存在局限性。因此，使用仿真图像的关键在于克服仿真图像与实测图像之间的差异。
[0003]最近几年中，美国空军研究实验室(AFRL)提供的SAMPLE数据集，其中包含仿真的SAR目标数据，用于零样本SAR目标识别问题的研究。
[0004]目前已有部分学者研究了仿真数据在识别中的应用，大致可分为以下几类：
[0005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于零样本SAR目标识别的渐进式域自适应识别方法，所述渐进式域自适应识别方法包括：步骤1、获取有标签的仿真数据样本和无标签的实测数据样本；步骤2、将所述有标签的仿真数据样本和所述无标签的实测数据样本分别导入到特征对齐网络中，对应提取第一特征信息和第二特征信息；步骤3、根据所述第一特征信息和所述第二特征信息计算得到分布差异，并将所述分布差异作为域自适应损失；步骤4、根据所述域自适应损失和所述有标签的仿真数据样本对应的第一分类损失得到第一损失函数，以基于所述第一损失函数得到训练后的特征对齐网络；步骤5、利用所述训练后的特征对齐网络预测无标签的实测数据样本，并给所述无标签的实测数据样本赋予伪标签，得到伪标签的第一实测数据集；步骤6、对所述第一实测数据集进行伪标签去噪处理，得到伪标签去噪的实测数据集；步骤7、将所述伪标签去噪的实测数据集导入所述训练后的特征对齐网络，以调整网络参数，得到调整后的特征对齐网络；步骤8、将待分类的数据输入至所述调整后的特征对齐网络，得到最终的分类识别结果。2.根据权利要求1所述的渐进式域自适应识别方法，其特征在于，所述步骤1包括：步骤1.1、对第一仿真图像添加散斑噪声，得到第二仿真图像；步骤1.2、将所述第一仿真图、所述第二仿真图像和第一实测图像剪裁到统一大小，对应得到第三仿真图像、第四仿真图像和第二实测图像；步骤1.3、将所述第三仿真图像、所述第四仿真图像和所述第二实测图像归一化到[0,255]范围，得到第五仿真图像、第六仿真图像和第三实测图像，所有的有标签的第五仿真图像和有标签的第六仿真图像组成所述仿真数据样本，所有的无标签的第三实测图像组成所述实测数据样本。3.根据权利要求1所述的渐进式域自适应识别方法，其特征在于，所述特征对齐网络包括十层网络架构，第一层为卷积层L1、第二层为maxPooling层L2、第三层为卷积层L3、第四层为maxPooling层L4、第五层为卷积层L5、第六层为maxPooling层L6，第七层为卷积层L7、第八层为avgPooling层L8、第九层为卷积层L9、第十层为softmax分类器层L10；其中，所述卷积层L1、所述卷积层L3、所述卷积层L5、所述卷积层L7的卷积核大小为5
×
5，并在所述卷积层L7之后添加dropout操作，所述卷积层L9的卷积核大小为4
×
4，最后通过所述softmax分类器层L10输出识别结果。4.根据权利要求3所述的渐进式域自适应识别方法，其特征在于，所述第一特征信息和所述第二特征信息均为所述特征对齐网络的所述卷积层L...

【专利技术属性】
技术研发人员：王英华，孙媛爽，钱永刚，刘宏伟，张晨，王思源，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：