arXiv cs.AI· Yansong Lin, Zihan Cheng, Ziyue Yang, Xinming Wang, Jielei Wang, Guoming Lu, Zongyong Cui·· 10 天前AI 评分22
FSCE：面向抗噪 SAR ATR 的目标感知频率-空间协同增强框架
FSCE: A Target-Aware Frequency-Spatial Collaborative Enhancement Framework for Noise-Resilient SAR ATR
AI 导读
研究者提出目标感知频率-空间协同增强（FSCE）框架，用于抗噪 SAR ATR，通过频率-空间建模实现早期特征稳定并结合语义正则化。该框架在网络入口设计 FS-EAE 模块抑制噪声传播，并引入 APSA 机制以在线教师策略施加语义约束。在 MSTAR、OpenSARShip 和 FUSARShip 上的实验验证了其有效性，轻量版 FSCE-Net_μ 仅 0.17M 参数。
正文 · AI 翻译
摘要：合成孔径雷达自动目标识别（SAR ATR）受到相干斑噪声的严重挑战，其干扰会通过分层非线性变换逐步放大，最终损害高层语义表示。为解决这一问题，我们提出了一种面向抗噪 SAR ATR 的目标感知频率-空间协同增强（FSCE）框架，该框架将频率-空间建模用于早期特征稳定，并结合语义正则化。具体而言，我们在网络入口处设计了一个频率-空间早期自适应增强（FS-EAE）模块，通过协同的空间-频率建模来抑制噪声传播并保留目标结构。在稳定浅层表示的基础上，我们进一步引入了一种自适应策略驱动的语义对齐（APSA）机制，该机制使用在线教师策略对学生施加上而下的语义约束，并在训练期间将语义指导反馈给增强后的早期特征。在 MSTAR、OpenSARShip 和 FUSARShip 上的实验证明了这种协同的有效性。此外，我们仅含 0.17M 参数的轻量级实现 $\text{FSCE-Net}_\mu$ 的竞争性性能表明，所提出的框架适用于高容量和轻量级架构。
| Comments: | 被 IEEE Transactions on Circuits and Systems for Video Technology (TCSVT) 接收 |
| Subjects: | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.21565 [cs.CV] |
| （或 arXiv:2603.21565v3 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.21565 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | IEEE Transactions on Circuits and Systems for Video Technology, Early Access, 2026 |
| 相关 DOI： | https://doi.org/10.1109/TCSVT.2026.3737445
链接到相关资源的 DOI |
提交历史
来自：Yansong Lin [查看电子邮件]
[v1]
2026年3月23日星期一 04:35:31 UTC (4,024 KB)
[v2]
2026年9月23日星期三 08:23:38 UTC (14,879 KB)
[v3]
2026年10月6日星期二 05:30:22 UTC (14,879 KB)
来源：arXiv cs.AI · arxiv.org