面向SAR图像目标分类的CNN模型可视化方法 |
| |
引用本文: | 李妙歌,陈渤,王东升,刘宏伟.面向SAR图像目标分类的CNN模型可视化方法[J].雷达学报,2024(2):359-373. |
| |
作者姓名: | 李妙歌 陈渤 王东升 刘宏伟 |
| |
作者单位: | 西安电子科技大学雷达信号处理全国重点实验室 |
| |
摘 要: | 卷积神经网络(CNN)在合成孔径雷达(SAR)图像目标分类任务中应用广泛。由于网络工作机理不透明,CNN模型难以满足高可靠性实际应用的要求。类激活映射方法常用于可视化CNN模型的决策区域,但现有方法主要基于通道级或空间级类激活权重,且在SAR图像数据集上的应用仍处于起步阶段。基于此,该文从神经元特征提取能力和网络决策依据两个层面出发,提出了一种面向SAR图像的CNN模型可视化方法。首先,基于神经元的激活值,对神经元在其感受野范围内的目标结构学习能力进行可视化,然后提出一种通道-空间混合的类激活映射方法,通过对SAR图像中的重要区域进行定位,为模型的决策过程提供依据。实验结果表明,该方法给出了模型在不同设置下的可解释性分析,有效拓展了卷积神经网络在SAR图像上的可视化应用。
|
关 键 词: | 合成孔径雷达 可视化分析 卷积神经网络 类激活映射 神经元 |
|
|