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
基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法
被引量：
6
1
作者
秦先祥
余旺盛
+2 位作者
王鹏
陈天平
邹焕新
《雷达学报（中英文）》
CSCD
北大核心
2020年第3期525-538,共14页
针对物体框标注样本包含大量异质成分的问题,该文提出了一种基于复值卷积神经网络(CV-CNN)样本精选的极化SAR(PolSAR)图像弱监督分类方法。该方法首先采用CV-CNN对物体框标注样本进行迭代精选,并同时训练出可直接用于分类的CV-CNN。然...
针对物体框标注样本包含大量异质成分的问题,该文提出了一种基于复值卷积神经网络(CV-CNN)样本精选的极化SAR(PolSAR)图像弱监督分类方法。该方法首先采用CV-CNN对物体框标注样本进行迭代精选,并同时训练出可直接用于分类的CV-CNN。然后利用所训练的CV-CNN完成极化SAR图像的分类。基于3幅实测极化SAR图像的实验结果表明,该文方法能够有效剔除异质样本,与采用原始物体框标注样本的传统全监督分类方法相比可以获得明显更优的分类结果,并且该方法采用CV-CNN比采用经典的支持矢量机(SVM)或Wishart分类器性能更优。
展开更多
关键词
极化SAR
弱监督分类
复值卷积神经网络
样本精选
在线阅读
下载PDF
职称材料
题名
基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法
被引量：
6
1
作者
秦先祥
余旺盛
王鹏
陈天平
邹焕新
机构
空军工程大学信息与导航学院
国防科技大学电子科学学院
出处
《雷达学报（中英文）》
CSCD
北大核心
2020年第3期525-538,共14页
基金
国家自然科学基金(41601436,61403414,61703423)
陕西省自然科学基础研究计划(2018JM4029)。
文摘
针对物体框标注样本包含大量异质成分的问题,该文提出了一种基于复值卷积神经网络(CV-CNN)样本精选的极化SAR(PolSAR)图像弱监督分类方法。该方法首先采用CV-CNN对物体框标注样本进行迭代精选,并同时训练出可直接用于分类的CV-CNN。然后利用所训练的CV-CNN完成极化SAR图像的分类。基于3幅实测极化SAR图像的实验结果表明,该文方法能够有效剔除异质样本,与采用原始物体框标注样本的传统全监督分类方法相比可以获得明显更优的分类结果,并且该方法采用CV-CNN比采用经典的支持矢量机(SVM)或Wishart分类器性能更优。
关键词
极化SAR
弱监督分类
复值卷积神经网络
样本精选
Keywords
PolSAR
Weakly supervised classification
complex-valued
convolutional
neural
network
(
cvcnn
)
Sample refinement
分类号
TN958 [电子电信—信号与信息处理]
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
基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法
秦先祥
余旺盛
王鹏
陈天平
邹焕新
《雷达学报（中英文）》
CSCD
北大核心
2020
6
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
