嵌入注意力机制的深度可分离卷积SAR目标识别 |
| |
引用本文: | 卢小华,李爱军.嵌入注意力机制的深度可分离卷积SAR目标识别[J].无线电工程,2024(5):1083-1090. |
| |
作者姓名: | 卢小华 李爱军 |
| |
作者单位: | 1. 山西工商学院计算机信息工程学院;2. 山西财经大学信息学院 |
| |
摘 要: | 深度可分离卷积(Depthwise Separable Convolution, DSC)的应用使得深度学习的网络模型轻量化。在此基础上,提出了嵌入注意力机制的DSC合成孔径雷达(Synthetic Aperture Radar, SAR)目标识别方法。通过将DSC与注意力机制结合,提高网络对目标重要特征的学习能力;将多个DSC进行叠加和并联,设计多尺度网络模块,增强不同深度网络的特征提取能力;通过残差连接缓解深层网络的梯度弥散和梯度爆炸问题。使用公开数据集实验表明,所提方法在网络模型参数量较小的情况下,获得99.0%的平均识别率,具有较强的识别优势。
|
关 键 词: | 合成孔径雷达 目标识别 深度可分离卷积 注意力机制 |
|
|