空军工程大学学报

作者：赵明钧，程英蕾，秦先祥，王鹏，文沛，张碧秀

单位：1.空军工程大学信息与导航学院，西安，710077； 2.93575 部队,河北承德，067000；3.93897 部队, 西安，710077\

关键词：极化SAR图像分类;模型迁移;加性边际Softmax

基金：国家自然科学基金（61773396）；陕西省自然科学基金（2022JM-157）

针对极化SAR图像分类中卷积神经网络（CNN）方法训练时间长、收敛速度慢，原始Softmax函数无法对极化SAR图像的类内差异有效应对的问题，提出一种基于模型微调与加性边际Softmax（AM-Softmax）的极化SAR图像分类方法。该方法通过预训练网络的整体微调，来改进CNN模型的效率和分类准确率，然后以AM-Softmax替代Softmax，以解决SAR图像中类内变化较大的问题，进一步提升分类精度。实验表明该方法具有快收敛的优势并且能够较好解决极化SAR图像类内差异较大的问题，模型的分类总体精度达到96%以上。

来源：2022年第5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2022年第5期