1.一种目标识别网络模型的智能欺骗方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种目标识别网络模型的智能欺骗方法,其特征在于,还包括如下步骤:
3.根据权利要求1所述的一种目标识别网络模型的智能欺骗方法,其特征在于,所述通过sar目标数据集训练预设的目标识别网络模型,获得最终目标识别网络模型,具体包括如下步骤:
4.根据权利要求3所述的一种目标识别网络模型的智能欺骗方法,其特征在于,采用中心裁剪的方式对所述sar目标数据集进行图像统一大小处理。
5.根据权利要求3所述的一种目标识别网络模型的智能欺骗方法,其特征在于,所述目标识别网络模型包括sar-cnn、vgg19、resnet50、densenet121、mobilenetv2模型中至少2种以上。
6.根据权利要求5所述的一种目标识别网络模型的智能欺骗方法,其特征在于,所述sar-cnn模型采用四个卷积层和四个池化层交叠形成,后接入了三个全连接层,其中,四个卷积层和前两个全连接层采用relu激活函数,第三个全连接层采用softmax函数输出预测结果。
7.根据权利要求1所述的一种目标识别网络模型的智能欺骗方法,其特征在于,所述将sar目标数据集输入至简单散射模型中,获取仿真的强散射点图案,具体包括如下步骤:
8.根据权利要求7所述的一种目标识别网络模型的智能欺骗方法,其特征在于,所述计算强散射体的散射系数,公式如下所示:
9.根据权利要求1所述的一种目标识别网络模型的智能欺骗方法,其特征在于,基于粒子群优化算法,将仿真的强散射体图案与原始sar图像输入到最终目标识别网络模型中进行迭代优化,获得强散射体图案在原始sar图像上的最优扰动位置,具体包括如下步骤:
10.一种目标识别网络模型的智能欺骗装置,其特征在于,包括:数据预处理模块、强散射体图案仿真模块和生成对抗样本模块,其中,