雷达学报

作者：郭炜炜, 张增辉, 郁文贤, 孙效华

单位：1.同济大学数字创新中心 上海 200092；2.上海交通大学智能探测与识别上海市重点实验室 上海 200240；

关键词：合成孔径雷达, 自动目标识别, 深度学习, 可解释性, 可解释机器学习

基金：国家自然科学基金联合基金(U1830103)

合成孔径雷达(SAR)图像目标识别是实现微波视觉的关键技术之一。尽管深度学习技术已被成功应用于解决SAR图像目标识别问题，并显著超越了传统方法的性能，但其内部工作机理不透明、解释性不足，成为制约SAR图像目标识别技术可靠和可信应用的瓶颈。深度学习的可解释性问题是目前人工智能领域的研究热点与难点，对于理解和信任模型决策至关重要。该文首先总结了当前SAR图像目标识别技术的研究进展和所面临的挑战，对目前深度学习可解释性问题的研究进展进行了梳理。在此基础上，从模型理解、模型诊断和模型改进等方面对SAR图像目标识别的可解释性问题进行了探讨。最后，以可解释性研究为切入点，从领域知识结合、人机协同和交互式学习等方面进一步讨论了未来突破SAR图像目标识别技术瓶颈有可能的方向。

来源：2020年第3期

《雷达学报》期刊编辑部

查看雷达学报杂志2020年第3期