TGARS 2019: What, Where, and How to Transfer in SAR Target Recognition Based on Deep CNNs ——学习笔记

Posted 2021-08-27 songyuc

1 TGARS-2019论文：What, Where, and How to Transfer in SAR Target Recognition Based on Deep CNNs

链接：https://arxiv.org/abs/1906.01379

2 译读笔记

2.1 摘要

CNN网络在遥感领域引起了许多研究者的注意。跟大规模的自然图像数据集相比，遥感领域往往缺乏带标注的数据，这一点阻碍了深度网络的训练。迁移学习提供了一种有效的方式来解决这个问题，通过借鉴源任务的知识并迁移到目标任务上。在光学遥感应用中，一种常见的做法就是在大规模自然图像预训练模型上进行微调，例如：ImageNet。然而，该方案在SAR应用中并不能得到令人满意的结果，这是因为SAR图像与光学图像的差异较大。在本文中，我们将讨论之前研究涉及较少的三个问题：（1）什么样的网络和源任务更适合迁移到SAR目标任务上；（2）哪些层上的特征在SAR目标任务上迁移的泛化效果更好；（3）对于SAR目标识别如何迁移更加有效。基于这些分析，本文提出了提出一种使用多源数据的迁移学习方法，此方法可以减少源数据与SAR目标数据之间的差异性。实验是在OpenSARShip数据集上进行的。结果显示，自然图像上的迁移学习方法无法直接用于SAR目标，本文还描述了如何选择源数据和使用哪些特征层会更加有助于模型的迁移。