对SAR和光学目标识别之间的CNN认知差距的分析解释
Zhenpeng Feng1, Hongbing Ji1, Miloš Daković2
1School of Electronic Engineering, Xidian University, Xi'an, China.
概括
卷积神经网络 (CNN) 在合成孔径雷达 (SAR) 自动目标识别 (ATR) 中表现与人类相当,在中间交互方面表现出色. 然而,CNN在光学图像中的中间交互方面遇到了困难.
科学领域:
- 地质科学和远程传感
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 合成孔径雷达 (SAR) 自动目标识别 (ATR) 对地质科学和遥感至关重要.
- 卷积神经网络 (CNN) 在光学成像方面取得了成功,但由于成像机制不同,在SAR ATR方面面临挑战.
研究的目的:
- 分析地解决光学和SAR图像之间的CNN的认知差距.
- 用多顺序交互来测量CNN的表示能力.
- 为了将CNN的表现与SAR ATR中的人类互动进行比较.
主要方法:
- 利用多顺序交互来测量CNN对光学和SAR图像的表示能力.
- 提出了一个主观评估策略来比较人类和CNN的互动.
- 分析了CNNs对简单,中间和复杂交互的编码.
主要成果:
- 对于光学图像和SAR图像来说,CNN表现出不同的操作模式.
- 对于SAR图像,CNN的表示能力与人类相当,有效地编码中间交互.
- 对于光学图像,CNN擅长编码简单和复杂的交互,但不是中间的交互.
结论:
- 图像数据的微妙理解,基于成像模式的性能变化.
- 这项研究强调了CNS在SAR ATR中的潜力,显示了人类可比的中间特征编码.
- 进一步的研究可以探索改善CNN处理光学图像分析中介相互作用的策略.
