[发明专利]一种基于快速全卷积神经网络的SAR目标分类方法

权利要求书

1.一种基于快速全卷积神经网络的SAR目标分类方法，其特征在于；包括以下步骤：

S1：对MASTAR数据集进行扩充

采用包括图像翻转、缩放、加噪声、裁剪和移动的方式对现有MASTAR数据集进行扩充来满足训练需求；

S2：搭建步进≥2的特殊卷积层

采用步进≥2的卷积层进行下采样；同时扩大特殊卷积层核的大小，通过扩大感受野的形式保证信息利用最大化；

S3：搭建步进为2的全卷积神经网络

针对所述步骤S1得到的MASTAR数据集和所述步骤S2所建立的特殊卷积层，构建步进为2的全卷积神经网络；卷积核大小为2×2的卷积层进行下采样；特征提取的卷积层采用步进为1，卷积核大小为3×3，以此搭建一个全卷积层的网络；

S4：搭建步进为3的全卷积神经网络

针对所述步骤S3搭建的全卷积神经网络，继续采用步进为3的卷积层进行下采样，同时将卷积核的大小调整为3×3；

S5：搭建步进为4的全卷积神经网络

在所述步骤S4的基础上继续扩大特殊卷积层的步进和卷积核的大小，采用步进为4，卷积核大小为4×4；

S6：搭建快速全卷积神经网络

根据步骤S3、步骤S4和步骤S5，采用3层卷积层进行特征提取、3层特殊卷积层进行下采样和2层全连接层分类的搭建；所述特征提取的卷积层采用步进为1，大小为3×3；下采样的特殊卷积层采用混合递进的方式，分别为步进为4，大小为4×4；步进为3，大小为3×3；步进为2，大小为2×2。

2.根据权利要求1所述的一种基于快速全卷积神经网络的SAR目标分类方法，其特征在于：所述步骤S1采用15°和17°的MASTAR数据集进行混合训练测试。

3.根据权利要求1所述的一种基于快速全卷积神经网络的SAR目标分类方法，其特征在于：假设特殊卷积层卷积核大小为n×n，步进为s,输入图片的大小为i_w×i_h,图片像素填充尺寸为p,卷积层输出图片N的大小为w×h；N是整个卷积过程卷积运算的次数；

N＝w*h。