【儀表網(wǎng) 研發(fā)快訊】近日，中國科學(xué)院軟件研究所研究團(tuán)隊在復(fù)雜背景下的雷達(dá)目標(biāo)檢測方面取得進(jìn)展。相關(guān)研究成果以《基于對比學(xué)習(xí)的航海雷達(dá)目標(biāo)檢測方法》為題發(fā)表在《電子學(xué)報》上。研究針對航海雷達(dá)目標(biāo)檢測中背景復(fù)雜、原始數(shù)據(jù)量大、有效數(shù)據(jù)量少以及檢測任務(wù)困難等問題，提出了一種全新的基于對比學(xué)習(xí)的航海雷達(dá)目標(biāo)檢測方法CLMRD(Contrastive Learning for Marine Radar Detection)。新方法在航海雷達(dá)檢測數(shù)據(jù)集上達(dá)到了0.97的準(zhǔn)確率和0.95的召回率，顯著優(yōu)于其他傳統(tǒng)及智能檢測方法，驗證了其有效性和魯棒性。
航海雷達(dá)在復(fù)雜場景下的應(yīng)用面臨諸多挑戰(zhàn)，傳統(tǒng)檢測方法的檢測率低，性能難以達(dá)到要求；基于監(jiān)督學(xué)習(xí)的深度學(xué)習(xí)方法在航海雷達(dá)目標(biāo)檢測方面雖然取得了較大研究進(jìn)展，但目前仍存在兩個亟待解決問題：一是基于監(jiān)督學(xué)習(xí)的模型高度依賴于數(shù)據(jù)標(biāo)注，數(shù)據(jù)標(biāo)注的數(shù)量和質(zhì)量直接決定了模型的性能；二是基于有限訓(xùn)練數(shù)據(jù)的模型魯棒性差且泛化能力不足，難以應(yīng)對不斷變化的海況和背景。
針對上述問題，該研究提出了一種基于對比學(xué)習(xí)的航海雷達(dá)目標(biāo)檢測方法CLMRD。該方法通過交替預(yù)測和分布對齊的方式，從海量無標(biāo)簽數(shù)據(jù)中讓模型分別從實例和分布級別角度獲取特征表示能力，從而訓(xùn)練模型具備分辨雜波和判別目標(biāo)的能力。研究人員將預(yù)訓(xùn)練的特征提取器和目標(biāo)檢測器及后處理階段數(shù)據(jù)信息進(jìn)行融合，得到了良好的航海雷達(dá)目標(biāo)檢測結(jié)果。同時，為了支持有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)訓(xùn)練，該研究還建立了可用于深度學(xué)習(xí)方法的無標(biāo)簽信息的航海雷達(dá)數(shù)據(jù)集和帶有標(biāo)簽信息的航海雷達(dá)檢測數(shù)據(jù)集。該方法已在多次航海科考任務(wù)中得到應(yīng)用。
CLMRD算法全階段過程示意圖
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。