用于PolSAR图像分类的深度课程学习
图像与视频处理
2021-12-28 v1 信号处理
摘要
继课程学习在机器学习领域的巨大成功之后，本文提出一种新颖的深度课程学习方法，称为DCL，专门用于全极化合成孔径雷达(PolSAR)数据的分类。该方法在将每个PolSAR图像块应用于卷积神经网络(CNN)之前，利用熵-α目标分解方法估计其复杂度。此外，采用累积小批量步调函数向CNN引入更困难的图像块。在广泛使用的AIRSAR Flevoland数据集上的实验表明，所提出的课程学习方法不仅能提高分类精度，还能加快训练收敛。
引用
@article{arxiv.2112.13426,
title = {Deep Curriculum Learning for PolSAR Image Classification},
author = {Hamidreza Mousavi and Maryam Imani and Hassan Ghassemian},
journal= {arXiv preprint arXiv:2112.13426},
year = {2021}
}