公开(公告)号：CN110991418A

公开(公告)日：2020-04-10

申请号：CN201911335801.2

申请日：2019-12-23

Applicant: 中国科学院自动化研究所

Inventor： 黄夏渊 ,  杨乔 ,  乔红

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种合成孔径雷达目标图像识别方法及系统，所述识别方法包括：从MSTAR数据集中，获取训练样本集和测试样本集；通过所述训练样本集对原始双流卷积神经网络进行训练，得到训练好的双流卷积神经网络；基于训练好的双流卷积神经网络，对各所述测试样本图像进行识别，得到对应各测试样本图像的网络预测标签。本发明通过训练样本集对原始双流卷积神经网络进行训练，可降低参数数量，提高识别效率；基于训练好的双流卷积神经网络，对待识别目标图像进行识别，从而可准确得到待识别目标图像的类别，可提高识别的正确率。

公开(公告)号：CN110991418B

公开(公告)日：2023-04-28

申请号：CN201911335801.2

申请日：2019-12-23

Applicant: 中国科学院自动化研究所

Inventor： 黄夏渊 ,  杨乔 ,  乔红

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明涉及一种合成孔径雷达目标图像识别方法及系统，所述识别方法包括：从MSTAR数据集中，获取训练样本集和测试样本集；通过所述训练样本集对原始双流卷积神经网络进行训练，得到训练好的双流卷积神经网络；基于训练好的双流卷积神经网络，对各所述测试样本图像进行识别，得到对应各测试样本图像的网络预测标签。本发明通过训练样本集对原始双流卷积神经网络进行训练，可降低参数数量，提高识别效率；基于训练好的双流卷积神经网络，对待识别目标图像进行识别，从而可准确得到待识别目标图像的类别，可提高识别的正确率。