• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International symposium on multispectral image processing and pattern recognition >Convolutional Neural Network Using Generated Data for SAR ATR with Limited Samples
【24h】

Convolutional Neural Network Using Generated Data for SAR ATR with Limited Samples

机译：卷积神经网络，利用有限样本的SAR ATR生成数据

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Being able to adapt all weather at all times, it has been a hot research topic that using Synthetic Aperture Radar(SAR) for remote sensing. Despite all the well-known advantages of SAR, it is hard to extract features because of its unique imaging methodology, and this challenge attracts the research interest of traditional Automatic Target Recognition(ATR) methods. With the development of deep learning technologies, convolutional neural networks(CNNs) give us another way out to detect and recognize targets, when a huge number of samples are available, but this premise is often not hold, when it comes to monitoring a specific type of ships. In this paper, we propose a method to enhance the performance of Faster R-CNN with limited samples to detect and recognize ships in SAR images.
机译：能够随时适应所有天气，使用合成孔径雷达（SAR）进行遥感已成为研究的热点。尽管SAR具有所有众所周知的优点，但由于其独特的成像方法而很难提取特征，而这一挑战吸引了传统自动目标识别（ATR）方法的研究兴趣。随着深度学习技术的发展，当有大量样本可用时，卷积神经网络（CNN）为我们提供了另一种检测和识别目标的方法，但是在监视特定类型时通常不成立这一前提的船。在本文中，我们提出了一种以有限的样本来增强Faster R-CNN性能的方法，以检测和识别SAR图像中的船只。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号