机读格式显示(MARC)

• 000 01809nam 2200313 450

• 001 0000911120

• 005 20231011103500.0

• 010 __ |a 978-7-5606-6202-2 |d CNY32.00

• 100 __ |a 20230905d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 610000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 基于深度学习的多极化合成孔径雷达图像解译 |A ji yu shen du xue xi de duo ji hua he cheng kong jing lei da tu xiang jie yi |d = Polarimetric SAR image interpretation based on deep learning |f 刘红英 ... [等] 著 |z eng

• 210 __ |a 西安 |c 西安电子科技大学出版社 |d 2023

• 215 __ |a 108页 |c 图 |d 24cm

• 225 2_ |a 西电科技专著系列丛书 |A xi dian ke ji zhuan zhu xi lie cong shu

• 304 __ |a 题名页题其余责任者: 焦李成, 尚凡华, 王爽, 杨淑媛

• 314 __ |a 刘红英, 现为天津大学英才副教授。2016年至2022年曾任西安电子科技大学人工智能学院副教授、博士研究生导师。

• 320 __ |a 有书目 (第99-108页)

• 330 __ |a 本书主要讨论多极化合成孔径雷达图像的图像解译方法, 重点是地物分类和识别展开方法, 书中利用深度学习的先进模型和方法解决少样本的地物分类问题, 获得较高的分类精确度。本书引入了作者团队最新的科研成果, 由浅入深地介绍了5个深度学习方法, 包括稀疏滤波和近邻保持的深度学习方法、距离度量学习的深度学习方法、半监督卷积神经网络的深度学习方法、半监督生成对抗网络的深度学习方法和图卷积网络的深度学习方法以及相应的训练策略和分类方法, 解决少样本的多极化合成孔径雷达图像的地物分类问题。介绍方法时均给出了真实的合成孔径雷达数据集上的实验结果, 以验证所述方法能提升地物分类的正确率和效率。

• 410 _0 |1 2001 |a 西电科技专著系列丛书

• 510 1_ |a Polarimetric SAR image interpretation based on deep learning |z eng

• 606 0_ |a 合成孔径雷达 |A he cheng kong jing lei da |x 图象处理

• 690 __ |a TN958 |v 5

• 701 _0 |a 刘红英 |A liu hong ying |4 著

• 801 _0 |a CN |b HDUL |c 20231011

• 905 __ |a HDUL |d TN958/024

• 920 __ |a 233030 |z 1