基于卷积神经网络模型的MSTAR高分辨率图像数据集识别实践

置顶 Together_CZ

于 2020-05-24 16:58:29 发布

阅读量4.6k

点赞数 3

分类专栏： CNN、LSTM建模实战专栏

本文链接：https://blog.csdn.net/Together_CZ/article/details/106316742

版权

CNN、LSTM建模实战专栏专栏收录该内容

32 篇文章 576 订阅 ¥59.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了使用卷积神经网络（CNN）对MSTAR高分辨率图像数据集进行目标识别的实践。MSTAR数据集包含多种军事车辆的SAR图像，分为训练集和测试集。经过数据预处理，构建并训练了CNN模型，通过图像增强提升模型性能。训练过程中，损失函数(loss)持续降低，准确率(accuracy)稳步上升，展示了模型的良好收敛性和稳定性。

摘要由CSDN通过智能技术生成

卷积神经网络CNN如今早已是深度学习的核心，广泛应用于各类任务中，在我以往的图像数据处理中大多接触的是比较具体的图像数据，比如：手写数字、手写字母、人脸数据、动物数据、交通信号数据等等，对于遥感或者是卫星相关的数据涉及得很少很少，今天找到了一个比较有意思的数据集【MSTAR高分辨率图像数据集】，想基于这个数据集来构建一下自己的卷积神经网络模型做一点实践。

首先，查阅了一些相关的研究文献资料，简单介绍一下【MSTAR高分辨率图像数据集】

当前用于研究SAR ATR 的图像是美国国防高级研究计划署(DefenseAdvanced Research Project Agency, DARPA) 和空军研究室(Air Force ResearchLaboratory, AFRL) 提供的MSTAR(Moving and Stationary Target Acquisitionand Recognition) 图像。

通过高分辨率的聚束式合成孔径雷达采集多种前苏联目标军事车辆的SAR图像。MSTAR计划进行了SAR实测地面目标试验，包括目标遮挡、伪装、配置变化等扩展性条件，形成了较为系统、全面的实测数据库。随后，DARPA公布了该数据库。目前MSTAR数据集在SAR图像目标识别研究上得到广泛应用。该数据集的MSTAR P