研究目的
利用深度卷积神经网络方法从雷达图像中检测冰面和底层。
研究成果
深度混合小波网络在NASA冰桥行动数据集上取得了0.771的最高F值准确率,优于Canny、MSGM和HED等先进技术。这证明了将小波去噪与深度学习相结合用于雷达图像冰边界检测的有效性。
研究不足
该论文未明确讨论局限性,但潜在约束包括对特定数据集(NASA Operation IceBridge)的依赖、深度学习与小波变换的计算复杂性,以及对其他类型雷达图像或噪声条件的泛化能力。
研究目的
利用深度卷积神经网络方法从雷达图像中检测冰面和底层。
研究成果
深度混合小波网络在NASA冰桥行动数据集上取得了0.771的最高F值准确率,优于Canny、MSGM和HED等先进技术。这证明了将小波去噪与深度学习相结合用于雷达图像冰边界检测的有效性。
研究不足
该论文未明确讨论局限性,但潜在约束包括对特定数据集(NASA Operation IceBridge)的依赖、深度学习与小波变换的计算复杂性,以及对其他类型雷达图像或噪声条件的泛化能力。
加载中....
您正在对论文“[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚(2018.7.22-2018.7.27)] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度混合小波网络的雷达影像冰边界检测”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