SAR-LAM:面向小样本SAR目标识别的轻量化适应策略

作     者：史松昊 王晓丹 SHI Songhao;WANG Xiaodan

作者机构：空军工程大学防空反导学院西安710051 

出 版 物：《空军工程大学学报》 (Journal of Air Force Engineering University)

年 卷 期：2024年第25卷第3期

页      面：103-111页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61876189 61703426 61806219) 

主　　题：SAR目标识别 跨域小样本学习 轻量化 

摘      要：针对小样本学习中跨域迁移导致模型性能下降的问题,提出一种面向小样本SAR目标识别的轻量化适应策略(SAR-LAM)。该方法通过知识蒸馏预训练一个具有泛化性能的通用编码器,向其中嵌入一个只在少量目标域样本上进行训练的适应模块,而后将提取的特征映射到一个分辨性更高的空间内,最终以原型网络为基线对查询集样本进行分类。该适应策略以增加少量学习参数为代价,克服了数据分布差异导致模型迁移受限的困难,增强了模型在目标域提取特征的能力,在小样本条件下将SAR目标识别的准确率提升了至少1.93个百分点,较其他方法展现出一定的优越性。