|
|||||
|
|
| 一种改进的可解释SAR图像识别网络 | |
| 引用本文： | 李鹏,冯存前,胡晓伟.一种改进的可解释SAR图像识别网络[J].空军工程大学学报,2023,24(4):49-55. |
| 作者姓名： | 李鹏 冯存前 胡晓伟 |
| 作者单位： | 空军工程大学防空反导学院，西安，710051 |
| 基金项目： | 陕西省自然科学基础研究计划(2023-JC-YB-491) |
| 摘 要： | SAR-BagNet模型是一种应用于合成孔径雷达(SAR)图像识别的可解释深度学习模型。为了使SAR-BagNet模型在具有可解释性的同时具有较高的识别精度，以SAR-BagNet模型为基础，在模型框架中加入了空间注意力和坐标注意力机制，并在MSTAR实测数据集上进行了实验。实验结果表明，空间注意力和坐标注意力机制增强了SAR-BagNet模型的全局信息获取能力，能够在不降低其可解释性的基础上，有效提高模型的识别精度和决策合理性。 |
| 关 键 词： | 深度学习 SAR图像识别 模型可解释性 注意力机制 |
An Improved Interpretable SAR Image Recognition Network |
|
| LI Peng,FENG Cunqian,HU Xiaowei.An Improved Interpretable SAR Image Recognition Network[J].Journal of Air Force Engineering University(Natural Science Edition),2023,24(4):49-55. | |
| Authors: | LI Peng FENG Cunqian HU Xiaowei |
| Abstract: | |
| Keywords: | deep learning SAR image recognition model interpretability attention mechanism |
| 点击此处可从《空军工程大学学报》浏览原始摘要信息 | |
| 点击此处可从《空军工程大学学报》下载免费的PDF全文 | |