.png){kind=icon}
返回
A Prototype-Based Semisupervised Learning Method for Few-Shot SAR Target Recognition
.png){kind=icon}
OA
AI
DOI：10.1109/JSTARS.2025.3643525.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于深度学习的方法在SAR自动目标识别中取得了卓越的成功。然而，深度学习通常需要大量的标记样本才能实现有效训练，而在实际场景中新类别的标记样本稀缺，这限制了现有方法在小样本任务中的性能。针对这一问题，本文提出了一种面向小样本SAR目标识别的原型基半监督学习方法，命名为WST-DRFSL。该方法包含两个阶段：基础学习阶段和动态优化（DR）阶段。在第一阶段，通过一致性正则化训练一个鲁棒编码器，利用基础类别的标记和无标记样本。随后，在第二阶段，将伪标签和CR（一致性正则化）交替应用于新类别的少量标记样本和大量无标记样本，以实现更优的新类别识别性能。此外，在两个阶段均采用了小波散射变换（WST）以充分挖掘SAR图像的散射特征。在MSTAR、FUSAR、OpenSARShip和SAMPLE数据集上的大量仿真结果表明，所提出的方法在小样本学习任务中超越了当前最先进的识别精度。代码可在线获取。
Keyword:
Few-shot learning (FSL)
synthetic aperture radar (SAR) automatic target recognition
semisupervised learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
查看更多机构