基于二阶深度学习模型的地探雷达图像埋藏物分类
计算机视觉与模式识别
2024-11-21 v2 机器学习
应用统计
摘要
本文构建了一种基于协方差矩阵的新型分类模型，用于对埋藏物体进行分类。所提出模型的输入是通过经典探地雷达（GPR）系统获得的双曲线缩略图。这些缩略图首先输入到经典CNN的前几层，然后利用卷积滤波器的输出生成协方差矩阵。随后，该协方差矩阵被输入到一个由特定层组成的网络中，以对对称正定（SPD）矩阵进行分类。我们在大型数据库上表明，我们的方法优于为GPR数据设计的浅层网络和计算机视觉应用中常用的经典CNN，尤其是在训练数据数量减少以及存在错误标记数据的情况下。我们还展示了当训练数据和测试集来自不同天气条件或考虑因素时，我们模型的优势。
引用
@article{arxiv.2410.07117,
title = {Classification of Buried Objects from Ground Penetrating Radar Images by using Second Order Deep Learning Models},
author = {Douba Jafuno and Ammar Mian and Guillaume Ginolhac and Nickolas Stelzenmuller},
journal= {arXiv preprint arXiv:2410.07117},
year = {2024}
}