引用格式：史宝岱，张秦，李宇环，等．基于混合注意力机制的ＳＡＲ图像目标识别算法［Ｊ］．电光与控制，２０２３，３０（４）：４５⁃４９．ＳＨＩＢＤ'ＺＨＡＮＧＱ'ＬＩＹＨ'ｅｔａｌ．ＳＡＲｉｍａｇｅｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｈｙｂｒｉｄａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ［Ｊ］．ＥｌｅｃｔｒｏｎｉｃｓＯｐｔｉｃｓ＆Ｃｏｎｔｒｏｌ'２０２３'３０（４）：４５⁃４９．基于混合注意力机制的ＳＡＲ图像目标识别算法史宝岱，张秦，李宇环，李瑶（空军工程大学研究生院，西安７１００００）摘要：深度学习算法应用于ＳＡＲ图像分类领域时存在模型训练时间较长且精度不够高等问题。对此，提出一种基于混合注意力机制的卷积神经网络模型，该模型基本模块分为主干分支和软分支。主干分支由残差收缩网络和改良之后的通道注意力机制组成，负责提取主要特征；软分支将下采样和上采样相结合，负责提取混合注意力权重，增强从输入到输出的映射能力。该模型在ＭＳＴＡＲ数据集上取得了９９．６％的识别率，且训练时间较短。噪声分析显示：该模型对椒盐噪声具有较强的鲁棒性。关键词：ＳＡＲ图像；深度学习；卷积神经网络；残差收缩网络；注意力机制中图分类号：ＴＰ３９１．４文献标志码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－６３７Ｘ．２０２３．０４．００９ＳＡＲＩｍａｇｅＴａｒｇｅｔＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎＨｙｂｒｉｄＡｔｔｅｎｔｉｏｎＭｅｃｈａｎｉｓｍＳＨＩＢａｏｄａｉ'ＺＨＡＮＧＱｉｎ'ＬＩＹｕｈｕａｎ'ＬＩＹａｏ（ＧｒａｄｕａｔｅＣｏｌｌｅｇｅ'ＡｉｒＦｏｒｃｅＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ'Ｘｉ'ａｎ７１００００'Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＷｈｅｎｔｈｅｄｅｅｐｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｉｓａｐｐｌｉｅｄｔｏｔｈｅｆｉｅｌｄｏｆＳＡＲｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎ'ｔｈｅｒｅａｒｅｓｏｍｅｐｒｏｂｌｅｍｓｓｕｃｈａｓｌｏｎｇｍｏｄｅｌｔｒａｉｎｉｎｇｔｉｍｅａｎｄｌｏｗａｃｃｕｒａｃｙ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓ'ａｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｂａｓｅｄｏｎｈｙｂｒｉｄａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｂａｓｉｃｍｏｄｕｌｅｏｆｔｈｅｍｏｄｅｌｉｓｄｉｖｉｄｅｄｉｎｔｏｔｒｕｎｋｂｒａｎｃｈ...
