Resumen

El Radar de Apertura Sintética (SAR), como uno de los métodos importantes y significativos para obtener características de objetivos en el campo de la teledetección, se ha aplicado en muchos campos, incluyendo la búsqueda de inteligencia, levantamientos topográficos, cartografía y estudios geológicos. En el campo del SAR, el reconocimiento automático de objetivos SAR (SAR ATR) es un tema significativo. Sin embargo, por otro lado, también tiene un alto valor de aplicación. El desarrollo del aprendizaje profundo ha permitido su aplicación en SAR ATR. Algunos investigadores señalan que las redes neuronales convolucionales (CNN) existentes prestaban más atención a la información de textura, que a menudo no es tan buena como la información de forma. Por lo tanto, este estudio diseña la CNN de forma mejorada, que realza la forma del objetivo en la entrada. Además, utiliza un módulo de atención mejorado, para que la red pueda resaltar la forma del objetivo en las imágenes SAR. Con el objetivo de abordar el problema del pequeño tamaño del conjunto de datos SAR existente, se lleva a

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Radar de apertura sintética; Reconocimiento automático de objetivos SAR; Aprendizaje profundo; Red neuronal convolucional; Información de forma; Módulo de atención
• Keywords:Synthetic aperture radar; SAR automatic target recognition; Deep learning; Convolutional neural network; Shape information; Attention module