嵌入注意力机制的深度可分离卷积SAR目标识别

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。