海陆杂波分类网络

少量标签高精度

利用加权联合特征匹配损失，让超视距雷达海陆杂波分类在仅少量标注样本下即可达到高精度，优于传统半监督方法。

Xiaoxuan, Zhang · 王增福 · Mingyue, Ji · Li, Yang · 潘泉 · Lu, Kun

Engineering Applications of Artificial Intelligence 2024

技术优势

少量标注即可用

利用大量未标注杂波样本，只需少量标注样本就能提升全监督分类器的性能，省去繁琐的标注工作。

精度超过传统方法

与常规半监督分类方法相比，WL-SSGAN取得了最高的分类精度，可直接替换现有方案。

应用场景

• 超视距雷达目标检测：用少量标注样本准确分类海陆杂波，辅助目标检测。
• 雷达信号处理：提升雷达信号处理中海陆杂波分类的自动化水平。
• 半监督学习：减少标注需求，让半监督学习在雷达杂波分类中更实用。