量子科技中心_量科网

SAR图像分类天然需要处理强噪声和高动态范围数据，这对分类模型的鲁棒性提出了特殊要求。同时，在无人机和军用飞机等边缘设备上部署这些模型时，还需谨慎权衡模型体积与分类精度。本研究探索了张量网络满足这些鲁棒性需求的潜力，重点评估了其对数据投毒攻击的抵抗能力。与先前聚焦于常规神经网络在SAR目标检测应用的研究不同，本工作着重考察张量网络在目标分类任务中的鲁棒性与模型压缩能力。研究结果表明，张量网络能有效兼顾鲁棒性挑战与模型效率需求，这为雷达应用及深度学习方法的持续发展提供了宝贵见解。