1 TGARS-2019论文：What, Where, and How to Transfer in SAR Target Recognition Based on Deep CNNs

链接：https://arxiv.org/abs/1906.01379

2 译读笔记

2.0 摘要

CNN网络在遥感领域引起了许多研究者的注意。跟大规模的自然图像数据集相比，遥感领域往往缺乏带标注的数据，这一点阻碍了深度网络的训练。迁移学习提供了一种有效的方式来解决这个问题，通过借鉴源任务的知识并迁移到目标任务上。在光学遥感应用中，一种常见的做法就是在大规模自然图像预训练模型上进行微调，例如：ImageNet。然而，该方案在SAR应用中并不能得到令人满意的结果，这是因为SAR图像与光学图像的差异较大。在本文中，我们将讨论之前研究涉及较少的三个问题：（1）什么样的网络和源任务更适合迁移到SAR目标任务上；（2）哪些层上的特征在SAR目标任务上迁移的泛化效果更好；（3）对于SAR目标识别如何迁移更加有效。基于这些分析，本文提出了提出一种使用多源数据的迁移学习方法，此方法可以减少源数据与SAR目标数据之间的差异性。实验是在OpenSARShip数据集上进行的。结果显示，自然图像上的迁移学习方法无法直接用于SAR目标，本文还描述了如何选择源数据和使用哪些特征层会更加有助于模型的迁移。

2.1 引言

深度学习方法可以从大规模数据中自动地学习到层次化的特征，近些年来在遥感数据分析中得到了广泛的应用。然而，缺少标注数据是一个遥感领域最大的障碍。自然图像领域的领域往往包含上百万个标注样本，而遥感领域的训练数据却很难满足深度神经网络的训练要求。不同于使用少量数据从头开始训练的方法，迁移学习期望将知识从大规模数据集的源域迁移到目标域，此方法可以在数据有限的情况下有效地训练深度神经网络模型，（译者注：此观点有待考证）。最直接和广泛采用的方式是在预训练模型上对网络进行微调。

最后

以上就是勤奋金毛为你收集整理的TGARS 2019: What, Where, and How to Transfer in SAR Target Recognition Based on Deep CNNs ——学习笔记1 TGARS-2019论文：What, Where, and How to Transfer in SAR Target Recognition Based on Deep CNNs2 译读笔记的全部内容，希望文章能够帮你解决TGARS 2019: What, Where, and How to Transfer in SAR Target Recognition Based on Deep CNNs ——学习笔记1 TGARS-2019论文：What, Where, and How to Transfer in SAR Target Recognition Based on Deep CNNs2 译读笔记所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。