泛读：LPI Radar Waveform Recognition Based on Deep Convolutional Neural Network Transfer Learning

基本思路

提出了一种基于Choi-Williams分布(CWD)和深度卷积神经网络迁移学习的自动分类识别系统。

思路详细

首先，系统对LPI雷达波形进行CWD时频变换，得到二维时频图像。然后系统对原始时频图像进行预处理。然后系统将预处理后的图像发送到深度卷积网络的预训练模型(incep -v3或ResNet-152)进行特征提取。最后将提取的特征送入支持向量机分类器，实现对雷达波形的离线训练和在线识别。

重点

CNN Model-Based Transfer Learning and Feature Extraction：转移已有知识用于解决目标域中只有少量标记样本数据，甚至没有学习的问题，迁移学习的方法有四种，包括:基于实例的迁移学习、基于特征的迁移学习、基于模型的迁移学习和关系迁移学习。本文采用大型自然图像数据集ImageNet的预训练模型inception -v3和ResNet-152

总结

使用图像模型做迁移学习