(EN) An SAR image-oriented small-sample semantic feature enhancement method, comprising the following steps: acquiring a sample set of an SAR target image, and training the sample set by transfer learning, so as to obtain an initialized deep neural network of the SAR target image (S100), so that the disadvantage that accurate feature values cannot be obtained by training due to an insufficient sample amount of the SAR target image is overcome, and the convergence speed of the deep neural network is effectively improved; using an activation function to perform network optimization on the deep neural network, and using the optimized deep neural network to perform feature extraction on the SAR target image, so as to obtain feature maps (S200), so that the feature values are more accurate; and using an autoencoder to map the feature maps between a feature space and a semantic space, so that the semantic space and feature space expression ability of an SAR image can be enhanced, and depth visual features having enhanced semantic features are obtained (S300), thereby improving the accuracy of target recognition in an SAR image.
(FR) L'invention concerne un procédé d'amélioration de caractéristiques sémantiques de petit échantillon axée sur une image SAR qui consiste : à acquérir un ensemble d'échantillons d'une image cible SAR, et à former l'ensemble d'échantillons par l'intermédiaire d'un apprentissage par transfert, de manière à obtenir un réseau neuronal profond et initialisé de l'image cible SAR (S100), de telle sorte que l'inconvénient d'impossibilité d'obtention de valeurs de caractéristiques précises par l'intermédiaire d'une formation en raison d'une quantité d'échantillons insuffisante de l'image cible SAR est résolu, et la vitesse de convergence du réseau neuronal profond est efficacement améliorée ; à utiliser une fonction d'activation afin d'effectuer une optimisation de réseau sur le réseau neuronal profond, et à utiliser le réseau neuronal profond optimisé de manière à effectuer une extraction de caractéristiques sur l'image cible SAR, de manière à obtenir des cartes de caractéristiques (S200), de telle sorte que les valeurs de caractéristiques sont plus précises ; à utiliser un auto-codeur de manière à mapper les cartes de caractéristiques entre un espace de caractéristiques et un espace sémantique, de telle sorte que l'espace sémantique et la capacité d'expression d'espace de caractéristiques d'une image SAR peuvent être améliorés, et des caractéristiques visuelles de profondeur ayant des caractéristiques sémantiques améliorées sont obtenues (S300), ce qui permet d'améliorer la précision de reconnaissance de cible dans une image SAR.
(ZH) 一种面向SAR图像的小样本语义特征增强的方法,包括如下步骤:获取SAR目标图像的样本集,对样本集进行迁移学习训练,得到初始化SAR目标图像的深度神经网络(S100),改善了由于SAR目标图像样本量不足,而无法训练得到精确特征值的缺点,并且有效地提升深度神经网络的收敛速度;利用激活函数对所述深度神经网络进行网络优化,采用优化后的深度神经网络对SAR目标图像进行特征提取,得到特征图(S200),使特征值更加准确;利用自编码器对所述特征图进行特征空间与语义空间的映射,能够增强SAR图像的语义空间和特征空间的表达能力,得到语义特征增强的深度视觉特征(S300),从而提高SAR图像目标识别的准确率。