一种基于深度学习的ISAR目标识别方法、系统及装置

本发明公开了一种基于深度学习的ISAR目标识别方法、系统及装置，涉及雷达目标识别技术领域，先通过FEKO仿真构建数据库，经标注与数据增强处理；再搭建含残差连接的卷积神经分类网络并预训练；接着构建三尺度特征金字塔YOLOV3检测网络，用k‑means聚类锚点；然后联合训练优化；最后测试并生成两类检测系统，实现目标识别。本发明所述的一种基于深度学习的ISAR目标识别方法、系统及装置，采用特征金字塔网络与k‑means聚类锚点，针对ISAR目标宽高分布特性设计9组专属锚点框，结合上采样特征融合策略，实现多像素尺度目标的有效检测，相较于传统YOLOV3固定锚点方案，对跨尺度目标的召回率得到显著提升，尤其解决了小目标漏检与大目标边界模糊的行业痛点。