首页|期刊简介|投稿指南|分类索引|刊文选读|订阅指南|资料|样刊邮寄查询|常见问题解答|联系我们
冯伟业,廖可非. 基于胶囊神经网络的合成孔径雷达图像分类方法[J]. 科学技术与工程, 2019, 19(28): 203-207.
fengweiye.SAR Image Classification Based on Capsule Network[J].Science Technology and Engineering,2019,19(28):203-207.
基于胶囊神经网络的合成孔径雷达图像分类方法
SAR Image Classification Based on Capsule Network
投稿时间:2019-03-21  修订日期:2019-05-04
DOI:
中文关键词:  合成孔径雷达 卷积神经网络 胶囊神经网络 分类
英文关键词:SAR  convolutional neural network  capsnet  classification
基金项目:国家自然科学基金(61631019,61701128,61871425);广西自然科学基金资助项目(2017GXNSFBA198032);中国博士后科学基金(2017M623298XB)
     
作者单位
冯伟业 桂林电子科技大学信息与通信学院
廖可非 桂林电子科技大学信息与通信学院
摘要点击次数: 205
全文下载次数: 60
中文摘要:
      针对合成孔径雷达(Synthetic aperture radar SAR)图像的目标分类,传统的卷积神经网络(Convolutional neural network CNN)需要大量的数据样本进行训练,无法在小样本条件下进行,其应用受到限制。该文提出将胶囊神经网络(Capsule network Capsnet)算法用于SAR雷达图像的分类,针对小样本SAR数据集对Capsnet结构进行轻量化设计,并在MSTAR数据集上验证了该算法的有效性。结果表明,与CNN相比,基于Capsnet的SAR目标分类抗过拟合性强,泛化效果较好,具有更高的准确性,能够很好地实现SAR图像样本的分类。
英文摘要:
      For the target classification in Synthetic aperture radar (SAR) image ,the traditional convolution neural network (CNN) requires a great deal of data samples for training, which can not be used under the condition of small samples. This paper proposes a capsule neural network(Capsnet) based SAR image classification method, the lightweight design of the Capsnet structure was carried out for the SAR data set with small samples ,then uses the MSTAR dataset to verify the effectiveness of the algorithm. The results show that compared with CNN, Capsnet based method has stronger anti-overfitting, better generalization effect and higher accuracy, which can achieve the classification of SAR image samples well.
查看全文  查看/发表评论  下载PDF阅读器
关闭
你是第31874243位访问者
版权所有:科学技术与工程编辑部
主管:中国科学技术协会    主办:中国技术经济学会
Tel:(010)62118920 E-mail:stae@vip.163.com
京ICP备05035734号-4
技术支持:本系统由北京勤云科技发展有限公司设计

京公网安备 11010802029091号