《表4 不同模型方法的比较》
本文模型与其他模型如支持向量机[3]、稀疏编码模型[4]、基于大场景图像迁移学习模型[14]、同样引进由SARSIM仿真SAR图像数据预训练迁移学习的CNNs模型[11]和使用数据增广的CNN分类方法[15]等方法的结果如表4所示。与同样基于SIMSAR等7类数据预训练下的文献[11]模型相比,本文的识别准确率提高到99.60%,表明本研究的深度学习模型的有效性。同时再加入文献[15]的1 080张SAR仿真数据后,在此基础上模型结果提升到99.78%。从表4可以看出,在分类任务上,在全部17°SAR图像作为训练集时,本文基于CReLU改进的迁移学习模型相比其他模型的分类结果能取得更好的分类性能。
图表编号 | XD00180449300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.15 |
作者 | 王泽隆、徐向辉、张雷 |
绘制单位 | 中国科学院电子学研究所、中国科学院大学、中国科学院电子学研究所、中国人民解放军95899部队 |
更多格式 | 高清、无水印(增值服务) |