一种基于AlexNet迁移学习模型的空间目标ISAR像识别方法

摘要：

利用ISAR像进行快速有效的空间目标识别是目前空间态势感知领域研究的热点,然而受到样本数据量的限制,直接训练深度神经网络容易产生过拟合,难以准确预测;而传统基于手动提取ISAR像特征的目标识别方法,操作繁琐且需要耗费大量的时间与精力.针对上述问题,提出一种基于迁移学习快速自主识别空间目标的新方法,该方法通过角度旋转、方位向距离向尺度变换、斑点噪声注入等方式对小样本空间目标ISAR像数据集增强;以AlexNet预训练模型为基础,对模型的"深"、"浅"层分别设置差异化的学习率;通过反向传播方式对AlexNet模型的权值进行微调从而实现模型迁移.训练测试结果表明,数据增强方法可以有效提高模型的分类性能,该方法可以实现小样本数据集下目标的自主快速识别,与传统方法相比具有更好的分类性能.

关键词：空间目标、ISAR像、小样本、迁移学习、数据增强

所属期刊栏目：43

分类号：TN95

资助基金：军事学研究生资助课题JY2019C206

在线出版日期：2022-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：210-219