摘要
本发明提供基于类别补偿与散度权重的不平衡SAR目标识别方法、系统、设备及介质,该方法包括以下步骤:基于实测SAR图像中目标类别分布不均的特点,构建具有类别不平衡特征的训练集图像,并对训练集SAR图像进行直方图统计差异分析与形态学操作,生成目标掩码,提取目标区域;基于ResNet32主干网络设计三分支结构;结合类内‑类间散度比与样本数量信息,构建针对不同类别的散度权重损失,引导网络关注难分类类别;基于训练好的网络模型参数对测试图像集进行识别,得到的识别结果为合成孔径雷达图像目标识别结果;本发明与现有技术相比,具有识别正确率高等优点,可在图像处理技术领域推广使用。
技术关键词
识别方法
合成孔径雷达图像
平衡特征
训练卷积神经网络
样本
全局特征提取
训练集
三分支结构
直方图
卷积神经网络模型
图像识别模块
识别正确率
随机梯度下降
可读存储介质
图像处理技术
处理器
系统为您推荐了相关专利信息
恶意流量检测模型
数据组织结构
学习方式优化
对象
时间序列信息
多环境
深度学习预测模型
海洋环境数据
捕捞努力量
因子