PolSAR预处理与平衡方法对复值神经网络分割任务的影响
计算机视觉与模式识别
2022-11-01 v1 机器学习
图像与视频处理
摘要
本文研究了基于复值神经网络（CVNN）的极化合成孔径雷达（PolSAR）语义分割。尽管相干矩阵作为CVNN的输入更为广泛使用，但Pauli向量近来已被证明是一种有效的替代方案。我们针对六种模型架构（三种复值模型及其对应的实值等价模型）详尽比较了这两种方法。因此，我们不仅比较了输入表示的影响，还比较了复值模型与实值模型。我们进而指出，数据集划分导致训练集与验证集之间高度相关，使任务饱和从而取得极高的性能。为此，我们采用一种旨在减弱该效应的不同数据预处理技术，并以与之前相同的配置（输入表示与模型架构）复现结果。在观察到各类别的性能因类出现频率而差异显著后，我们提出两种缩小此差距的方法，并对所有输入表示、模型及数据集预处理给出结果。
引用
@article{arxiv.2210.17419,
title = {Impact of PolSAR pre-processing and balancing methods on complex-valued neural networks segmentation tasks},
author = {José Agustin Barrachina and Chengfang Ren and Christèle Morisseau and Gilles Vieillard and Jean-Philippe Ovarlez},
journal= {arXiv preprint arXiv:2210.17419},
year = {2022}
}
备注
9 pages, 4 figures, 5 tables