基于多尺度感知及参考注意力的SAR目标识别方法技术

本发明专利技术提供的基于多尺度感知及参考注意力的SAR目标识别方法，包括：获取待识别SAR图像；将待识别SAR图像输入SAR目标识别模型，利用识别模型对待识别SAR图像进行特征提取和计算，并根据特征提取和计算的结果输出对应的类别标签；其中，所述SAR目标识别模型是对基于多尺度感知及参考注意力的轻量化SAR目标识别网络，利用样本SAR图像的训练集训练得到的；发明专利技术所提供的SAR目标识别模型结合CNN和Transformer提取特征的优势，有效提升了网络对SAR目标的识别性能，并通过轻量化模块降低了网络的参数量及运算量，使其可以应用于移动端设备。

【技术实现步骤摘要】

本专利技术属于雷达，具体涉及一种基于多尺度感知及参考注意力的sar目标识别方法。

技术介绍

1、合成孔径雷达(synthetic aperture radar，sar)在军事侦察、环境监测和灾害预警等领域具有重要应用价值。近年来，深度学习的迅速发展让sar自动目标识别(automatictarget recognition，atr)技术有了极大的进步。而深度学习通常需要大规模数据训练神经网络，以达到较好的识别性能，但sar图像数据收集难度大，且成本较高，同时，sar目标识别系统部署时也需要具有较小内存占用及较快推理速度的网络模型，这就要求识别模型不仅要在少样本数据训练条件下具有较好的性能，还要有较少的参数量和计算量。

2、目前，针对sar图像训练数据较少的现状，一方面通过平移、加噪及旋转等数据增强方式提升网络泛化能力，另一方面也可通过生成对抗网络(gan)及扩散模型(diffusionmodel)扩充样本数量提升网络性能。同时，关于轻量化神经网络已有许多相关研究工作，如基于cnn结构的mobilenet、shufflenet等，该类轻量化网络尽本文档来自技高网...

【技术保护点】

1.一种基于多尺度感知及参考注意力的SAR目标识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于多尺度感知及参考注意力的SAR目标识别方法，其特征在于，所述SAR目标识别模型的获得过程，包括：

3.根据权利要求1所述的一种基于多尺度感知及参考注意力的SAR目标识别方法，其特征在于，

4.根据权利要求1所述的一种基于多尺度感知及参考注意力的SAR目标识别方法，其特征在于，所述轻量化Transformer模块包括：注意力机制模块RV-LA和前馈神经网络模块FFN；

5.根据权利要求1所述的一种基于多尺度感知及参考注意力的SAR目标识...

【技术特征摘要】

1.一种基于多尺度感知及参考注意力的sar目标识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于多尺度感知及参考注意力的sar目标识别方法，其特征在于，所述sar目标识别模型的获得过程，包括：

3.根据权利要求1所述的一种基于多尺度感知及参考注意力的sar目标识别方法，其特征在于，

4.根据权利要求1所述的一种基于多尺度感知及参考注意力的sar目标识别方法，其特征在于，所述轻量化transformer模块包括：注意力机制模块rv-la和前馈神经网络模块ffn；

5.根据权利要求1所述的一种基于多尺度感知及参考注意力的sar目标识别方法，其特征在...

【专利技术属性】
技术研发人员：王英华，钱永刚，王泽龙，余飞鹏，陈渤，刘宏伟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：