Bidirectional Skip-Feedback Connections-Based Deep Learning for SAR Target Classification

Minseok Kang

doi:10.1109/lgrs.2026.3741833

Bidirectional Skip-Feedback Connections-Based Deep Learning for SAR Target Classification

2026-10-08

0

PRE

AI

M

Minseok Kang

DOI：10.1109/lgrs.2026.3741833

原文链接

原文求助

摘要

En 中文

合成孔径雷达（SAR）自动目标识别（ATR）在训练数据有限和噪声污染条件下仍具挑战性，其中局部目标响应可能变得模糊，且不可靠特征可能通过前馈网络传播。本文提出了一种紧凑的双向跳过反馈连接（BSC）模块，结合残差特征保持与基于反馈的上下文优化。跳过路径保留局部目标信息并支持稳定的梯度传播，而反馈路径允许深层表示优化不确定的中间特征。系统研究了串联多个BSC模块的效果，以平衡稳定的特征传播与上下文优化用于SAR ATR。在MSTAR数据集上针对不同训练数据比例和噪声水平的实验表明，所提出的BSC架构相比传统基线能持续提升识别精度和鲁棒性。

Keyword:

Bidirectional skip connections

deep neural networks

feedback connections

synthetic aperture radar

Bidirectional Skip-Feedback Connections-Based Deep Learning for SAR Target Classification

摘要

期刊

机构

引用论文