來源 |?雷達學報

智庫 |?云腦智庫(CloudBrain-TT)

云圈?|?進“云腦智庫微信群”,請加微信:15881101905,備注您的研究方向

聲明?|?本號聚焦相關知識分享，內容觀點不代表本號立場，可追溯內容均注明來源，若存在版權等問題，請聯系(15881101905，微信同號)刪除，謝謝

報告簡介

SAR圖像對成像平臺、觀測幾何和系統參數等非常敏感，不同波段、不同分辨率、不同角度、不同極化等操作條件下獲得的SAR圖像特性差異大，使得現有數據驅動的深度學習SAR圖像解譯方法存在穩健特征提取困難，模型遷移能力弱等缺陷，嚴重制約工程化應用。為提升單源SAR圖像目標特征提取的穩健性，提出了一種自監督學習和對比學習的網絡框架；為提升不同源SAR圖像目標特征的遷移能力，提出了一種開集條件下的球面空間域自適應網絡，在OpenSARShip和FUSAR艦船識別數據集上的域遷移分類識別準確率分別達到71.2和73.4。

報告視頻

報告PPT

本報告PPT共26張。

專家簡介

張增輝，上海交通大學電子信息與電氣工程學院研究員，博導，感知與導航研究所副所長，長期從事雷達信號處理、SAR圖像解譯、遙感信息處理等研究。發表學術論文100余篇，其中SCI收錄論文50余篇。組織構建了SAR圖像艦船目標分類識別公開數據集OpenSARShip和地物分類數據集OpenSARUrban（http://opensar.sjtu.edu.cn）。擔任IEEE Senior Member，《雷達學報》青年編委，IEEE TSP/TAES/TGRS/TNNLS/GRSL/JSTARS等雜志審稿人。

－?The End －

版權聲明：歡迎轉發本號原創內容，轉載和摘編需經本號授權并標注原作者和信息來源為云腦智庫。本公眾號目前所載內容為本公眾號原創、網絡轉載或根據非密公開性信息資料編輯整理，相關內容僅供參考及學習交流使用。由于部分文字、圖片等來源于互聯網，無法核實真實出處，如涉及相關爭議，請跟我們聯系刪除。我們致力于保護作者知識產權或作品版權，本公眾號所載內容的知識產權或作品版權歸原作者所有。本公眾號擁有對此聲明的最終解釋權。

投稿/招聘/推廣/合作/入群/贊助?請加微信：15881101905，備注關鍵詞

“閱讀是一種習慣，分享是一種美德，我們是一群專業、有態度的知識傳播者