虽然摸了一个月，但工作上仍有小小的进展。

一、将数据处理系统化、规范化、自动化

构建完善的数据处理流程，框图如下。虽然部分工作还需要人力参与，但依托Python脚本，数据处理的速度、可靠性、灵活性提升显著。

一点点大问题：

目前可供研究的数据类别不平衡，很多数据性对来说，价值不大，难以充分利用。（木桶效应）

选择比较好的雷达中轴上的数据。很少，只能各用10个。

二、深入认识雷达图像

经过一段时间对雷达图像热力图的分析、识别，在逐一查看完10发10收雷达数据生成的 54,000 多张雷达图像热力图后，加深了对雷达雷达图像的认识，但仍未完全琢磨透。

比较理想的雷达图像。

很不理想的雷达图像，卧姿几乎都看不出来。

对鬼影的一点个人理解。

三、进行尝试性实验

利用部分数据，基于Resnet18模型，进行目标姿态分类的常识性实验。

结果不乐观，形势很复杂，问题难解决，原因在研究。

1、每个类别随机抽取20个雷达原始文件，共计4,000帧雷达图像。数据增强后共计 144,000帧。结果如下图所示，开启label smoothing后验证集正确率60%。

2、从为于雷达中轴线的目标，即目标x坐标为0的数据中，随机抽取10个雷达源文件，生成总计 69,120 帧，结果如下图所示，验证集正确率55%左右。

结果尚未仔细分析，针对调节模型、超参数等内容的实验尚未进行，将会加紧进行下一步工作。

四、会议记录

有需求就提，抓紧时间