一种基于孪生网络的自监督SAR图像飞机目标分类方法

本发明公开了一种基于孪生网络的自监督SAR图像飞机目标分类方法，涉及目标细粒度分类技术领域，包括以下步骤：对SAR图像进行数据增强，生成增强视图x1和增强视图x2；构建基于孪生网络的自监督学习模型；对自监督学习模型进行设计；通过增强视图x1和增强视图x2训练自监督学习模型；将完成训练的自监督学习模型权重迁移至下游分类任务中，进行SAR图像飞机目标的分类；利用无标注的图像进行特征表示学习，解决了标注数据不足的问题；设计空间注意力模块和全卷积网络，增强了网络对图像空间结构和局部特征的提取能力，提升了模型对复杂背景和噪声的鲁棒性；使用欧氏距离的平方作为损失函数，优化模型参数，防止模型塌陷，进一步提升了分类性能。