基于ViT-CNN混合网络的合成孔径雷达图像船舶分类

摘要： 为了解决视觉转换器模型缺乏多尺度与局部特征捕获能力，难以适应合成孔径雷达图像船舶分类任务的问题，本文提出一种混合网络模型用于合成孔径雷达图像船舶分类。利用分阶段下采样网络结构，解决了ViT无法捕获多尺度特征的问题。通过在ViT模型的3个核心模块中融入卷积结构，设计了卷积标记嵌入、卷积参数共享注意力和局部前馈网络3个模块，使得网络能够同时捕获船舶图像的全局和局部特征，进一步增强了... （共8页）