Details

Цель работы – разработка модифицированного метода распознавания целей на РСА-изображениях на основе трансдуктивной прототипической сети с механизмом внимания. В данной работе был проведён анализ методов few-shot обучения и архитектуры TPARN. Предложена модификация модуля Cross-Feature Spatial Attention, основанная на замене билинейного слияния признаков на косинусное сопоставление. Были проведены эксперименты с использованием датасета MSTAR в постановке 5-way 1-shot и выполнено сравнение исходной и модифицированной моделей. Результаты экспериментов показали повышение точности и устойчивости классификации без существенного увеличения вычислительных затрат. Использовались открытые образовательные ресурсы и научные публикации. Применено программное обеспечение: язык программирования Python, библиотеки PyTorch, NumPy и SciPy.

The given work is devoted to develop a modified target recognition method for SAR images based on a transductive prototypical network with an attention mechanism. This work includes an analysis of few-shot learning methods and the TPARN architecture. A modification of the Cross-Feature Spatial Attention module based on replacing bilinear feature fusion with cosine feature matching is proposed. Experiments were conducted using the MSTAR dataset in the 5-way 1-shot setting, and the original and modified models were compared. The experimental results demonstrated improved classification accuracy and stability without significant increase in computational costs. Open educational resources and scientific publications were used in the study. The software used includes the Python programming language and the PyTorch, NumPy, and SciPy libraries.