合成孔徑雷達(SAR)圖像目標識別是實現(xiàn)微波視覺的關(guān)鍵技術(shù)之一。盡管深度學(xué)習(xí)技術(shù)已被成功應(yīng)用于解決SAR圖像目標識別問題,并顯著超越了傳統(tǒng)方法的性能,但其內(nèi)部工作機理不透明、解釋性不足,成為制約SAR圖像目標識別技術(shù)可靠和可信應(yīng)用的瓶頸。深度學(xué)習(xí)的可解釋性問題是目前人工智能領(lǐng)域的研究熱點與難點,對于理解和信任模型決策至關(guān)重要。該文首先總結(jié)了當前SAR圖像目標識別技術(shù)的研究進展和所面臨的挑戰(zhàn),對目前深度學(xué)習(xí)可解釋性問題的研究進展進行了梳理。在此基礎(chǔ)上,從模型理解、模型診斷和模型改進等方面對SAR圖像目標識別的可解釋性問題進行了探討。最后,以可解釋性研究為切入點,從領(lǐng)域知識結(jié)合、人機協(xié)同和交互式學(xué)習(xí)等方面進一步討論了未來突破SAR圖像目標識別技術(shù)瓶頸有可能的方向。

【文章頁數(shù)】：15 頁


本文編號：3965447