研究目的
提出一种具有极化流形的全卷积网络用于合成孔径雷达(SAR)图像分类,通过非线性映射有效分离极化特征以提高分类精度。
研究成果
所提出的流形网络有效分离了高维极化特征,与单独使用FCN8网络相比,分类准确率提高了16.5%,证明了非线性流形映射在提升SAR图像分类中的效用。
研究不足
该论文未明确提及局限性,但潜在约束包括t-SNE的计算复杂度(实验中耗时近580秒)、对特定数据集(AIRSAR-Flevoland)的依赖性,以及需要在其他SAR数据集或实时应用中进行进一步验证。
研究目的
提出一种具有极化流形的全卷积网络用于合成孔径雷达(SAR)图像分类,通过非线性映射有效分离极化特征以提高分类精度。
研究成果
所提出的流形网络有效分离了高维极化特征,与单独使用FCN8网络相比,分类准确率提高了16.5%,证明了非线性流形映射在提升SAR图像分类中的效用。
研究不足
该论文未明确提及局限性,但潜在约束包括t-SNE的计算复杂度(实验中耗时近580秒)、对特定数据集(AIRSAR-Flevoland)的依赖性,以及需要在其他SAR数据集或实时应用中进行进一步验证。
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 - 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 - 基于极化流形的全卷积网络用于SAR图像分类”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