딥 공동 분포 적응 네트워크를 통한 SAR 이미지 분류를 위한 전이 학습

이종 합성 개구 레이더(SAR) 이미지의 다양한 특성 문제는 SAR 이미지 분류의 전이 학습 성능 저하로 이어집니다. 이 문제를 해결하기 위해, 소스 SAR 이미지에서 서로 다르지만 유사한 타겟 SAR 이미지로의 전이 학습을 위한 반지도 학습 모델인 딥 공동 분포 적응 네트워크(DJDANs)가 제안됩니다. 이 모델은 소스 도메인과 타겟 도메인 간의 공동 확률 분포를 일치시키는 것을 목표로 합니다. 제안된 DJDAN에서는 마진 분포 적응 네트워크가 개발되어, 도메인 간 특징을 증강된 공통 특징 부공간으로 매핑하여 마진 확률 분포를 일치시키고 차원을 통합하는 목표를 가지고 있습니다. 이어서 조건부 분포 적응 네트워크가 제안되어 도메인 간 지식 전이를 수행하며, 이는 조건부 확률 분포의 차이를 줄이고 특징 표현의 효과성을 향상시키는 것을 목표로 합니다. 또한 제안된 프레임워크에서는 하나 대 나머지(classification) 방식이 활용되어 내부 클래스와 외부 클래스 간의 구분을 향상시키는 것을 목표로 합니다. 실험 결과는 제안된 딥 네트워크의 효과를 입증합니다.