automatic target recognition | BriefGPT

关键词automatic target recognition

搜索结果 - 14

SARATR-X: 合成孔径雷达图像目标识别的基础模型
基于自监督学习构建的基础模型 SARATR-X，通过集成多个数据集、使用不同的模型骨干和两阶段训练技术，实现了在 5 个数据集上具有竞争力和优越性能的普适合成孔径雷达自动目标识别。
PDF2 months ago
VTR：一种面向 FPGA 的优化视觉 Transformer 用于 SAR ATR 加速
开发了一种轻量级视觉 Transformer（ViT）模型，利用 Shifted Patch Tokenization（SPT）和 Locality Self-Attention（LSA）模块，该模型可以直接在训练数据有限的合成孔径雷达（S
PDF3 months ago
FACTUAL: 基于对比学习的鲁棒 SAR 图像分类的新框架
利用 FACTUAL 框架进行对抗训练和鲁棒性合成孔径雷达目标识别，通过引入逼真的物理对抗攻击方案和线性分类器级联的方法，在干净样本和扰动样本上预训练和微调后，模型在两种情况下的预测准确率分别达到 99.7% 和 89.6%，都优于现有最先
PDF3 months ago
基于贝叶斯神经网络的具备不确定性感知的合成孔径雷达目标识别：抵御对抗攻击
提出了一种基于贝叶斯神经网络的新颖不确定性感知合成孔径雷达自动目标识别系统，可以检测到对 RAS 图像进行的敌对攻击，并生成可视化解释，帮助人类决策者判断敌对攻击证据。实验证明该方法能够识别超过 80% 的敌对 RAS 图像，误报率低于 2
PDF3 months ago
基于对比学习和循环一致性的转导式迁移学习用于目标注释
我们提出了一种混合对比学习和基于循环一致性的迁移转导学习方法。该方法利用两个 H-CUT 网络和两个分类器，通过循环一致性、MoNCE 和一致性损失来优化目标领域分类器，有效地注释平民和军用车辆以及舰船目标。
PDF5 months ago
基于感知行为的 SAR 图像解释图神经网络进行人类决策
我们提出了一种基于图神经网络的自动目标识别框架，该框架不仅可以提供最终的分类类别，还可以输出对应的详细信息，实现了 99.2％的整体准确率，并超越了先前最先进的图神经网络方法。
PDF6 months ago
合成孔径雷达自动目标识别的深度学习分类器基准测试
运用深度学习模型对合成孔径雷达（SAR）的自动目标识别（ATR）进行综合评估，并比较五种先进的深度学习模型在分类准确率、运行时间表现、以及模型参数、层数、大小和计算操作数量方面的性能。结果表明，图神经网络（GNN）在推理吞吐量和延迟方面的性
PDF7 months ago
基于真实散射体的合成孔径雷达图像分类器的对抗攻击
通过物理行动，在合理的位置放置散射物体来扰乱合成孔径雷达 (SAR) 图像，从而误导 SAR 图像识别器，提出了散射物基于物理对抗攻击的散射物攻击 (OTSA)，可以有效地实施敌对攻击和干扰 SAR 图像识别器。
PDF7 months ago
半监督 SAR ATR 框架中的转导辅助分割
基于卷积神经网络的合成孔径雷达自动目标识别的半监督框架，通过辅助分割和信息残差损失的训练，利用少量标注样本和未标注样本进行训练来提高识别性能。在 MSTAR 数据集上的实验证明了该方法在少样本学习中的有效性。
PDF10 months ago
背景去偏合成孔径雷达目标识别通过因果干预正则化
我们通过构建一个结构因果模型 (SCM) 并提出一种因果干预正则化方法，将背景作为混淆因素来消除其对特征语义学习的负面影响，从而实现背景失调的合成孔导自动目标识别（SAR-ATR）。该方法可与现有的基于深度学习的 SAR-ATR 模型集成，
PDF10 months ago
深度传导迁移学习自动目标识别
本文提出了一种基于转导迁移学习框架和 CycleGAN 的自动目标识别算法，用于在无人车等各种图像域中识别车辆。在 DSIAC ATR 数据集上，该方法实现了明显的分类性能提升。
PDFa year ago
用于精确和低复杂度 SAR ATR 的图神经网络
本文提出了一种基于图神经网络的低计算复杂度的合成孔径雷达目标识别方法，该方法通过输入修剪和模型修剪两种策略达到了低计算复杂度和较高的分类准确性。
PDFa year ago
基于对比特征对齐的不变表示学习用于抗干扰 SAR 目标识别
该研究提出了一种名为对比特征对齐 (CFA) 的解决方案，旨在学习具有稳健性的不变表示形式，通过联合分类损失和通道加权平均平方误差 (CWMSE) 损失来训练模型，以获得逐步学习不变目标表示的能力，该方法在 MSTAR 数据集和六种 DNN
PDFa year ago
基于图的 SAR 数据半监督分类主动学习
使用基于图的学习和神经网络方法的结合体进行 SAR 数据分类，该方法可以在无需标记数据的情况下实现费用效益高的主动学习，并在需要 ATR 的应用中显示良好的推广性能。
PDF2 years ago