SAR-LAM:面向小样本SAR目标识别的轻量化适应策略
史松昊
王晓丹
空军工程大学防空反导学院,西安,710051
摘要：针对小样本学习中跨域迁移导致模型性能下降的问题,提出一种面向小样本SAR目标识别的轻量化适应策略(SAR-LAM).该方法通过知识蒸馏预训练一个具有泛化性能的通用编码器,向其中嵌入一个只在少量目标域样本上进行训练的适应模块,而后将提取的特征映射到一个分辨性更高的空间内,最终以原型网络为基线对查询集样本进行分类.该适应策略以增加少量学习参数为代价,克服了数据分布差异导致模型迁移受限的困难,增强了模型在目标域提取特征的能力,在小样本条件下将 SAR 目标识别的准确率提升了至少 1.93 个百分点,较其他方法展现出一定的优越性.
关键词：SAR目标识别跨域小样本学习轻量化
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61876189)国家自然科学基金(61703426)国家自然科学基金(61806219)
论文发表日期：2024-06-25
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：9( 103-111 )
英文信息