研究目的
通过测试三种深度学习应用——数据增强、半监督分类和领域自适应架构——来克服韩国水稻田检测中遥感数据标注不足的局限性。
研究成果
所有深度学习应用的组合都有助于提高分类性能,其中数据增强效果最为显著。所提出的应用有望提升深度学习在各类遥感领域的适用性,尤其适用于大范围研究区域和高分辨率图像。
研究不足
模仿或利用未标记数据所涉及的不确定性仍然存在,且当领域自适应架构与其他应用结合时,其有效性较不明显。
研究目的
通过测试三种深度学习应用——数据增强、半监督分类和领域自适应架构——来克服韩国水稻田检测中遥感数据标注不足的局限性。
研究成果
所有深度学习应用的组合都有助于提高分类性能,其中数据增强效果最为显著。所提出的应用有望提升深度学习在各类遥感领域的适用性,尤其适用于大范围研究区域和高分辨率图像。
研究不足
模仿或利用未标记数据所涉及的不确定性仍然存在,且当领域自适应架构与其他应用结合时,其有效性较不明显。
加载中....
您正在对论文“基于有限标注数据的多时相SAR(哨兵1号)图像深度学习分类应用:以韩国水稻田检测为例”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