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
2
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
AIR-PolSAR-Seg-2.0:大规模复杂场景极化SAR地物分类数据集
被引量：
1
1
作者
王智睿
赵良瑾
+4 位作者
汪越雷
曾璇
康健
杨健
孙显
《雷达学报(中英文)》
北大核心
2025年第2期353-365,共13页
极化合成孔径雷达(PolSAR)地物分类是SAR图像智能解译领域的研究热点之一。为了进一步促进该领域研究的发展,该文组织并发布了一个面向大规模复杂场景的极化SAR地物分类数据集AIR-PolSAR-Seg-2.0。该数据集由三景不同区域的高分三号卫星...
极化合成孔径雷达(PolSAR)地物分类是SAR图像智能解译领域的研究热点之一。为了进一步促进该领域研究的发展,该文组织并发布了一个面向大规模复杂场景的极化SAR地物分类数据集AIR-PolSAR-Seg-2.0。该数据集由三景不同区域的高分三号卫星L1A级复数SAR影像构成,空间分辨率8 m,包含HH,HV,VH和VV共4种极化方式,涵盖水体、植被、裸地、建筑、道路、山脉等6类典型的地物类别,具有场景复杂规模大、强弱散射多样、边界分布不规则、类别尺度多样、样本分布不均衡的特点。为方便试验验证,该文将三景完整的SAR影像裁剪成24,672张512像素×512像素的切片,并使用一系列通用的深度学习方法进行了实验验证。实验结果显示,基于双通道自注意力方法的DANet性能表现最佳,在幅度数据和幅相融合数据的平均交并比分别达到了85.96%和87.03%。该数据集与实验指标基准有助于其他学者进一步展开极化SAR地物分类相关研究。
展开更多
关键词
极化合成孔径雷达
公开数据集
复数图像
地物分类
深度学习
在线阅读
下载PDF
职称材料
基于原型自挖掘的遥感小样本精细化分类方法
2
作者
冯瑛超
毕涵博
+2 位作者
刁文辉
孙显
付琨
《指挥与控制学报》
北大核心
2025年第3期319-330,共12页
基于遥感图像的小样本分割,可实现在瞬息万变战场环境下对未知/改装等新目标、新任务的快速响应,为指挥员快速决策提供全面的战场信息。经典的小样本分割方法专注于挖掘支持图像的语义来指导分割,其难以应对具有极端类内差异的遥感场景...
基于遥感图像的小样本分割,可实现在瞬息万变战场环境下对未知/改装等新目标、新任务的快速响应,为指挥员快速决策提供全面的战场信息。经典的小样本分割方法专注于挖掘支持图像的语义来指导分割,其难以应对具有极端类内差异的遥感场景,导致实战应用条件下分类精度不理想。受对象内强像素相似性的启发,提出了一种基于原型自挖掘的遥感小样本精细化分类方法,通过构建自挖掘原型网络自适应地将查询图像的类别信息传递给自挖掘原型,实现挖掘查询图像自身以指导分割的效果,有效地跨越了支持-查询图像对之间的语义鸿沟。在两个流行遥感数据集iSAID和LoveDA上的实验表明该方法较国际同类方法具有更优的性能。
展开更多
关键词
遥感图像
语义分割
小样本分割
原型学习
自挖掘网络
在线阅读
下载PDF
职称材料
题名
AIR-PolSAR-Seg-2.0:大规模复杂场景极化SAR地物分类数据集
被引量：
1
1
作者
王智睿
赵良瑾
汪越雷
曾璇
康健
杨健
孙显
机构
中国科学院空天信息创新研究院
中国科学院大学
中国科学院大学电子电气与通信工程学院
目标认知与应用技术国家级重点实验室
苏州大学电子信息学院
清华大学电子工程系
出处
《雷达学报(中英文)》
北大核心
2025年第2期353-365,共13页
基金
国家自然科学基金(62331027)。
文摘
极化合成孔径雷达(PolSAR)地物分类是SAR图像智能解译领域的研究热点之一。为了进一步促进该领域研究的发展,该文组织并发布了一个面向大规模复杂场景的极化SAR地物分类数据集AIR-PolSAR-Seg-2.0。该数据集由三景不同区域的高分三号卫星L1A级复数SAR影像构成,空间分辨率8 m,包含HH,HV,VH和VV共4种极化方式,涵盖水体、植被、裸地、建筑、道路、山脉等6类典型的地物类别,具有场景复杂规模大、强弱散射多样、边界分布不规则、类别尺度多样、样本分布不均衡的特点。为方便试验验证,该文将三景完整的SAR影像裁剪成24,672张512像素×512像素的切片,并使用一系列通用的深度学习方法进行了实验验证。实验结果显示,基于双通道自注意力方法的DANet性能表现最佳,在幅度数据和幅相融合数据的平均交并比分别达到了85.96%和87.03%。该数据集与实验指标基准有助于其他学者进一步展开极化SAR地物分类相关研究。
关键词
极化合成孔径雷达
公开数据集
复数图像
地物分类
深度学习
Keywords
Polarimetric Synthetic Aperture Radar(PolSAR)
Public dataset
Complex image
Ground terrain classification
Deep learning
分类号
TN957 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
基于原型自挖掘的遥感小样本精细化分类方法
2
作者
冯瑛超
毕涵博
刁文辉
孙显
付琨
机构
中国科学院空天信息创新研究院
中国科学院
目标认知与应用技术国家级重点实验室
中国科学院大学电子电气与通信工程学院
出处
《指挥与控制学报》
北大核心
2025年第3期319-330,共12页
基金
国家自然科学基金(62301538)资助。
文摘
基于遥感图像的小样本分割,可实现在瞬息万变战场环境下对未知/改装等新目标、新任务的快速响应,为指挥员快速决策提供全面的战场信息。经典的小样本分割方法专注于挖掘支持图像的语义来指导分割,其难以应对具有极端类内差异的遥感场景,导致实战应用条件下分类精度不理想。受对象内强像素相似性的启发,提出了一种基于原型自挖掘的遥感小样本精细化分类方法,通过构建自挖掘原型网络自适应地将查询图像的类别信息传递给自挖掘原型,实现挖掘查询图像自身以指导分割的效果,有效地跨越了支持-查询图像对之间的语义鸿沟。在两个流行遥感数据集iSAID和LoveDA上的实验表明该方法较国际同类方法具有更优的性能。
关键词
遥感图像
语义分割
小样本分割
原型学习
自挖掘网络
Keywords
remote sensing image
semantic segmentation
few-shot segmentation
prototype learning
self-mining
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
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
AIR-PolSAR-Seg-2.0:大规模复杂场景极化SAR地物分类数据集
王智睿
赵良瑾
汪越雷
曾璇
康健
杨健
孙显
《雷达学报(中英文)》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于原型自挖掘的遥感小样本精细化分类方法
冯瑛超
毕涵博
刁文辉
孙显
付琨
《指挥与控制学报》
北大核心
2025
0
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
