Convolutional Neural Networks with Different Dimensions for POLSAR Image Classification
- سال انتشار: 1400
- محل انتشار: چهارمین کنفرانس بین المللی محاسبات نرم
- کد COI اختصاصی: CSCG04_123
- زبان مقاله: انگلیسی
- تعداد مشاهده: 252
نویسندگان
Faculty of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran
چکیده
Polarimetric Synthetic aperture radar (PolSAR) images contain polarimetric and spatial information of materials present in the scene. Three simple architectures of convolutional neural networks (CNNs) with different dimensions are proposed for PolSAR image classification in this work. A one dimensional CNN (۱D CNN) is suggested for polarimetric feature extraction. A ۲D CNN is presented for spatial feature extraction and a ۳D CNN is introduced for polarimetric-spatial feature extraction. The performance of CNNs are compared with morphological profile of PolSAR cube when fed to the support vector machine (SVM) and random forest (RF) classifiers. The experiments are done in two cases of using ۱% and ۵% training samples. The superiority of ۳D CNN compared to other methods is shown using different quantitative classification measures.کلیدواژه ها
PolSAR, classification, feature extraction, CNNمقالات مرتبط جدید
- دانش سنتی محیط زیست و بهره برداری از منابع آبی
- Design of Compact Microstrip Low Pass Filter using Transfer Function analysis
- تخمین ضریب توان توربین بادی با استفاده از یک مدل فازی-عصبی تطبیقی مبتنی بر الگوریتم HGO
- A new change point lifetime distribution and its application in reliability
- خوانش پذیری موسیقایی فرتور درب تکیه بیگلربیگی در شهر کرمانشاه از دیدگاه آیکونولوژی (شمایل شناسی) اروین پانوفسکی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.