一种基于增量学习的合成孔径雷达目标识别方法

一种基于增量学习的合成孔径雷达目标识别方法，先使用已有类别的样本训练一个基础模型，然后在新的训练样本到来时，保持旧类别特征空间的拓扑结构来缓解灾难性遗忘，适用于动态场景的合成孔径雷达目标识别，对新增的地面车辆目标和海面舰船目标均能有效识别，使用Swin‑Transformer作为特征提取器，同时捕获合成孔径雷达图像的局部和全局信息，使用弹性赫布图保持样本的空间结构，充分利用样本之间的相关性，提高训练效率，使用偏差校准层，缓解新、旧样本偏差对增量学习性能造成的影响。