SARATR-X:为SAR目标识别建立一个基础模型

科学领域:

• 计算机科学 计算机科学
• 遥感 遥感 遥感 遥感
• 人工智能的人工智能

背景情况:

• 目前的合成孔径雷达自动目标识别 (SAR ATR) 方法受到监督,任务特定和封闭世界的学习范式的限制.
• 这些方法需要广泛的,专家标记的数据,阻碍了概括性和可扩展性.
• 现有的方法在有限的类别识别和适应新情景的适应性方面扎.

研究的目的:

• 开发SAR ATR的第一个基础模型,命名为SARATR-X.
• 为了使标签有效地适应通用SAR目标检测和分类.
• 通过自我监督学习,为推进SAR图像解释建立基石.

主要方法:

• 开发了SARATR-X,这是一个使用自主监督学习 (SSL) 训练的基础模型,用于180万个未标记的SAR目标样本.
• 为SAR图像特征设计了一个专门的骨干架构.
• 采用了两步SSL方法,结合了多级梯度功能,以增强功能多样性和可扩展性.

主要成果:

• 萨拉特-X在少数射击分类和强度设置中表现出令人印象深刻的性能.
• 与现有方法相比,在各种类别和场景中在检测方面取得了竞争力或优异的结果.
• 该模型显示出强大的概括能力,性能优于完全监督,半监督和其他自我监督的算法.

结论:

• SARATR-X代表了SAR ATR的重大进步,通过SSL提供了可泛化的表示.
• 该模型为各种SAR目标识别任务提供了标签效率适应.
• 发布SARATR-X及其数据集的目的是加速研究SAR图像解释的基础模型.