研究目的
利用CycleGAN将模拟样本在图像域中转换为更接近真实样本,以提高SAR目标分类器的性能。
研究成果
提出的方法是在将模拟样本加入训练数据集之前使用CycleGAN进行转换,该方法显著提高了SAR目标分类器的分类准确率,展示了将仿真与深度学习相结合用于SAR目标分类中数据增强的潜力。
研究不足
该方法的有效性取决于模拟的质量以及CycleGAN将模拟样本准确转换为类似真实样本的能力。
研究目的
利用CycleGAN将模拟样本在图像域中转换为更接近真实样本,以提高SAR目标分类器的性能。
研究成果
提出的方法是在将模拟样本加入训练数据集之前使用CycleGAN进行转换,该方法显著提高了SAR目标分类器的分类准确率,展示了将仿真与深度学习相结合用于SAR目标分类中数据增强的潜力。
研究不足
该方法的有效性取决于模拟的质量以及CycleGAN将模拟样本准确转换为类似真实样本的能力。
加载中....
您正在对论文“[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚(2018.7.22-2018.7.27)] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于CycleGAN迁移仿真样本的SAR目标分类”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期