Reconocimiento Automático de Objetivos SAR Basado en un Marco de Aprendizaje Profundo Multivista

Es una manera factible y prometedora de utilizar redes neuronales profundas para aprender y extraer características valiosas de imágenes de radar de apertura sintética (SAR) para el reconocimiento automático de objetivos SAR (ATR). Sin embargo, es muy difícil entrenar eficazmente las redes neuronales profundas con un número limitado de imágenes SAR en bruto. En este documento, proponemos un nuevo enfoque para realizar ATR de SAR, en el que se empleó un marco de aprendizaje profundo multivista. Basado en el patrón de ATR multivista de SAR, primero presentamos un medio flexible para generar datos SAR multivista adecuados, lo que puede garantizar una gran cantidad de entradas para el entrenamiento de la red sin necesidad de muchas imágenes SAR en bruto. Luego, se adopta una única red neuronal convolucional profunda que contiene una topología de red paralela con múltiples entradas. Las características de las imágenes SAR de entrada desde diferentes vistas serán aprendidas por la red propuesta capa por capa; mientras tanto, las características aprendidas de las distintas vistas se fusionan progresivamente en diferentes capas. Por lo tanto, el marco propuesto puede lograr un rendimiento de reconocimiento superior y solo requiere un pequeño número de imágenes SAR en bruto para la generación de muestras de entrenamiento de la red. Los resultados experimentales han mostrado la superioridad del marco propuesto basado en el conjunto de datos de Adquisición y Reconocimiento de Objetivos Móviles y Estacionarios.