空军工程大学学报

作者：史松昊,王晓丹

单位：空军工程大学防空反导学院,西安,710051\

关键词：SAR目标识别;跨域小样本学习;轻量化

基金：国家自然科学基金(61876189,61703426,61806219)

针对小样本学习中跨域迁移导致模型性能下降的问题,提出一种面向小样本SAR目标识别的轻量化适应策略(SAR-LAM)。该方法通过知识蒸馏预训练一个具有泛化性能的通用编码器,向其中嵌入一个只在少量目标域样本上进行训练的适应模块,而后将提取的特征映射到一个分辨性更高的空间内,最终以原型网络为基线对查询集样本进行分类。该适应策略以增加少量学习参数为代价,克服了数据分布差异导致模型迁移受限的困难,增强了模型在目标域提取特征的能力,在小样本条件下将SAR目标识别的准确率提升了至少1.93个百分点,较其他方法展现出一定的优越性。

来源：2024年第3期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2024年第3期