BriefGPT - AI 论文速递
·
基于深度学习的极化合成孔径雷达图像散斑滤波研究
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的复合值卷积神经网络（Complex-valued CNN）用于极化合成孔径雷达图像分类。该方法在整体准确度上有所改善，AIRSAR数据集提高了1.3%和0.8%，ESAR数据集提高了0.5%。对Flevoland数据的分析证明了SDF2Net模型的有效性，即使仅使用1%的采样比例，也达到了96.01%的整体准确度。
🎯
关键要点
- 提出了一种新的复合值卷积神经网络（Complex-valued CNN）--- SDF2Net。
- 该方法用于极化合成孔径雷达图像分类。
- 在AIRSAR数据集上，整体准确度提高了1.3%和0.8%。
- 在ESAR数据集上，整体准确度提高了0.5%。
- 对Flevoland数据的分析证明了SDF2Net模型的有效性。
- 即使仅使用1%的采样比例，SDF2Net也达到了96.01%的整体准确度。
➡️
