首个公开发表的SAR图像目标识别基础模型！国防科大刘永祥&刘丽教授团队提出SARATR-X 1.0

发布时间：2025-01-21

点击次数：

合成孔径雷达（sar）目标识别技术突破：国防科技大学团队构建首个sar图像目标识别基础模型

合成孔径雷达（Synthetic Aperture Radar, SAR）作为一种全天候对地观测技术，在军民领域应用广泛。然而，SAR图像目标识别（Automatic Target Recognition, ATR）面临诸多挑战，特别是复杂环境下的高精度、高效率识别。国防科技大学电子科学学院刘永祥&刘丽教授团队针对这些挑战，提出了首个公开发布的SAR图像目标识别基础模型SARATR-X 1.0，并构建了相应的开源生态。

现有SAR目标识别方法存在技术和生态两方面瓶颈：技术层面，多为有监督、静态、单任务的单模型单平台方法，计算冗余高，泛化能力弱；生态层面，缺乏高质量的开源数据、代码和评估基准。

SARATR-X 1.0模型的核心突破在于：

技术层面: 采用基于自监督学习的SAR目标特征表示学习方法，创新性地提出联合嵌入-预测自监督学习框架（SAR-JEPA），有效抑制SAR图像相干斑噪声，降低对标注数据的依赖。模型基于Transformer架构，参数规模达0.66亿。
生态层面: 团队构建了较大规模的SAR图像陆海目标识别数据集SARDet-180K，并创建了新的SAR车辆目标识别数据集NUDT4MSTAR（包含40种车辆型号，规模是同类型数据集的十倍以上），同时开源了相关算法代码和评估基准。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

图1. 各种专门的SAR ATR数据集和任务。现有数据集通常针对特定任务和设置，导致算法泛化困难。