SARATR-X基础模型

自监督泛化表征

首个面向SAR目标识别的基础模型，通过自监督学习获得通用表征，在少样本和鲁棒性场景下性能优于现有全监督方法。

李玮杰 · 杨威 · Hou, Yuenan · Liu, Li · 刘永祥 · 黎湘

IEEE Transactions on Image Processing 2025

参数信息

自监督预训练样本量

0.18 M

技术优势

无需大量标注

自监督预训练提供通用表征，下游任务只需少量标注样本微调，大幅降低标注成本。

数据规模最大

整合现有基准构建 0.18M 无标签样本数据集，是目前最大的公开 SAR 目标数据集。

性能超越全监督

在少样本分类和跨类别检测中，性能与全监督、半监督或自监督算法相当或更优。

应用场景

• 遥感图像解译：用少量标注样本微调即可实现新场景目标检测，降低解译成本。
• SAR目标识别：提供强大预训练骨干，提升少样本识别准确率。
• 毫米波雷达感知：可迁移表征适应雷达目标检测，缓解标注困境。
• 多模态对齐：自监督学到的 SAR 表征可作为多模态对齐的视觉基础。