基于模型微调与AM-Softmax的极化SAR图像分类
赵明钧1
程英蕾1
秦先祥1
王鹏1
文沛2
张碧秀3
1.空军工程大学信息与导航学院,西安,7100772.93575 部队,河北承德,0670003.93897 部队,西安,710077
摘要：针对极化SAR图像分类中卷积神经网络(CNN)方法训练时间长、收敛速度慢,原始Softmax函数无法对极化SAR图像的类内差异有效应对的问题,提出一种基于模型微调与加性边际Softmax(AM-Soft-max)的极化SAR图像分类方法.该方法通过预训练网络的整体微调,来改进CNN模型的效率和分类准确率,然后以AM-Softmax替代Softmax,以解决SAR图像中类内变化较大的问题,进一步提升分类精度.实验表明该方法具有快收敛的优势并且能够较好解决极化SAR图像类内差异较大的问题,模型的分类总体精度达到96％以上.
关键词：极化SAR图像分类模型迁移加性边际Softmax
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61773396)陕西省自然科学基金(2022JM-157)
论文发表日期：2022-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 36-43 )
英文信息