雷达图像深度学习模型的可解释性研究与探索

摘要：

虽然深度学习技术在雷达图像处理任务中获得了部分应用,但缺乏对黑盒模型的可解释性分析和全面的性能评估,限制了该技术在雷达图像领域中的应用性能、可信度和广泛性.本文从可解释性入手,提出了雷达图像深度学习黑盒模型分析思路,在开源MSTAR雷达图像数据集上进行实验验证.从深度学习模型的迁移机制和认知机理两个方面进行分析,得到了关于迁移学习、归因方法应用和模型鲁棒性评估方面的相关结论,填补了现有研究的空白.

关键词：深度学习、雷达图像、可解释性、迁移学习、归因方法、鲁棒性

所属期刊栏目：52

分类号：TP391.41;TN957.52;TP181

资助基金：国家自然科学基金;国家自然科学基金;国家创新研究群体科学基金;湖南省自然科学基金资助项目

在线出版日期：2022-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共21页

页码：1114-1134