期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
用于SAR遥感图像车辆型谱级识别的高阶特征表示多尺度残差卷积网络
被引量：
5
1
作者
陈禾
李灿
+2 位作者
庄胤
杜海琳
龙腾
《信号处理》
CSCD
北大核心
2021年第3期317-327,共11页
合成孔径雷达(Synthetic Aperture Radar,SAR)对地观测具有覆盖面积广、多极化、多分辨率、全天时全天候观测的特点,被广泛应用于智能化监测系统。随着SAR遥感图像分辨率的提升,目标型谱级识别成为了一项挑战。本文使用聚束成像模式下1...
合成孔径雷达(Synthetic Aperture Radar,SAR)对地观测具有覆盖面积广、多极化、多分辨率、全天时全天候观测的特点,被广泛应用于智能化监测系统。随着SAR遥感图像分辨率的提升,目标型谱级识别成为了一项挑战。本文使用聚束成像模式下10种型号车辆的0.3 m分辨率、HH极化、多方位角的观测数据,针对型号类间差异小而导致的传统分类算法性能较差的问题,提出了多尺度特征提取残差结构,并结合高阶特征表示提升了深度卷积网络的分类性能,实现了高精度的SAR遥感图像车辆型谱级识别。所提出的方法在公开的MSTAR数据集上开展了详细的实验验证,结果表明本文提出的方法优于现有的智能化分类算法,对10种型号车辆目标识别的总体精度(Overall Accuracy,OA)达到了99.88%。
展开更多
关键词
SAR遥感图像
车辆型谱级识别
多尺度高阶特征表示
深度卷积网络
在线阅读
下载PDF
职称材料
题名
用于SAR遥感图像车辆型谱级识别的高阶特征表示多尺度残差卷积网络
被引量：
5
1
作者
陈禾
李灿
庄胤
杜海琳
龙腾
机构
北京理工大学信息与电子学院雷达技术研究所
北京大学信息与科学技术学院
出处
《信号处理》
CSCD
北大核心
2021年第3期317-327,共11页
基金
长江学者(T2012122)
北京市科技百领军人才项目资助项目(Z141101001514005)。
文摘
合成孔径雷达(Synthetic Aperture Radar,SAR)对地观测具有覆盖面积广、多极化、多分辨率、全天时全天候观测的特点,被广泛应用于智能化监测系统。随着SAR遥感图像分辨率的提升,目标型谱级识别成为了一项挑战。本文使用聚束成像模式下10种型号车辆的0.3 m分辨率、HH极化、多方位角的观测数据,针对型号类间差异小而导致的传统分类算法性能较差的问题,提出了多尺度特征提取残差结构,并结合高阶特征表示提升了深度卷积网络的分类性能,实现了高精度的SAR遥感图像车辆型谱级识别。所提出的方法在公开的MSTAR数据集上开展了详细的实验验证,结果表明本文提出的方法优于现有的智能化分类算法,对10种型号车辆目标识别的总体精度(Overall Accuracy,OA)达到了99.88%。
关键词
SAR遥感图像
车辆型谱级识别
多尺度高阶特征表示
深度卷积网络
Keywords
SAR remote sensing imagery
vehicle fine-grained classification
multi-scale high-order feature representation
deep convolution neural network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
用于SAR遥感图像车辆型谱级识别的高阶特征表示多尺度残差卷积网络
陈禾
李灿
庄胤
杜海琳
龙腾
《信号处理》
CSCD
北大核心
2021
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
