12月27日，中国科技信息研究所线上召开了2021年度“中国科技论文统计结果发布会”。电磁波信息科学教育部重点实验室在雷达学报中发表的论文《深度学习在SAR目标识别与地物分类中的应用》入选“领跑者5000——中国精品科技期刊顶尖论文(F5000)”。
论文介绍
摘 要
深度卷积网络等深度学习算法变革了计算机视觉领域，在多种应用上的效果都超过了以往传统图像处理算法。该文简要回顾了将深度学习应用在SAR图像目标识别与地物分类中的工作。利用深度卷积网络从SAR图像中自动学习多层的特征表征，再利用学习到的特征进行目标检测与目标分类。将深度卷积网络应用于SAR目标分类数据集MSTAR上，10类目标平均分类精度达到了99%。针对带相位的极化SAR图像，该文提出了复数深度卷积网络，将该算法应用于全极化SAR图像地物分类，Flevoland 15类地物平均分类精度达到了95%。
论文引用
徐丰, 王海鹏, 金亚秋. 深度学习在SAR目标识别与地物分类中的应用[J]. 雷达学报, 2017, 6(2): 136-148. doi: 10.12000/JR16130
Xu Feng, Wang Haipeng, Jin Yaqiu. Deep Learning as Applied in SAR Target Recognition and Terrain Classification[J]. Journal of Radars, 2017, 6(2): 136-148. doi: 10.12000/JR16130