Zhu, Xiao Xiang and Montazeri, Sina and Ali, Mohsin and Hua, Yuansheng and Wang, Yuanyuan and Mou, Lichao and Shi, Yilei and Xu, Feng and Bamler, Richard (2021) Deep Learning Meets SAR: Concepts, Models, Pitfalls, and Perspectives. IEEE Geoscience and Remote Sensing Magazine (GRSM), 9 (4), pp. 143-172. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/MGRS.2020.3046356. ISSN 2168-6831.
PDF
- Preprint version (submitted draft)
15MB |
Official URL: https://ieeexplore.ieee.org/document/9351574
Abstract
Deep learning in remote sensing has become an international hype, but it is mostly limited to the evaluation of optical data. Although deep learning has been introduced in Synthetic Aperture Radar (SAR) data processing, despite successful first attempts, its huge potential remains locked. In this paper, we provide an introduction to the most relevant deep learning models and concepts, point out possible pitfalls by analyzing special characteristics of SAR data, review the state-of-the-art of deep learning applied to SAR in depth, summarize available benchmarks, and recommend some important future research directions. With this effort, we hope to stimulate more research in this interesting yet under-exploited research field and to pave the way for use of deep learning in big SAR data processing workflows.
Item URL in elib: | https://elib.dlr.de/141023/ | ||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Document Type: | Article | ||||||||||||||||||||||||||||||||||||||||
Title: | Deep Learning Meets SAR: Concepts, Models, Pitfalls, and Perspectives | ||||||||||||||||||||||||||||||||||||||||
Authors: |
| ||||||||||||||||||||||||||||||||||||||||
Date: | December 2021 | ||||||||||||||||||||||||||||||||||||||||
Journal or Publication Title: | IEEE Geoscience and Remote Sensing Magazine (GRSM) | ||||||||||||||||||||||||||||||||||||||||
Refereed publication: | Yes | ||||||||||||||||||||||||||||||||||||||||
Open Access: | Yes | ||||||||||||||||||||||||||||||||||||||||
Gold Open Access: | No | ||||||||||||||||||||||||||||||||||||||||
In SCOPUS: | Yes | ||||||||||||||||||||||||||||||||||||||||
In ISI Web of Science: | Yes | ||||||||||||||||||||||||||||||||||||||||
Volume: | 9 | ||||||||||||||||||||||||||||||||||||||||
DOI: | 10.1109/MGRS.2020.3046356 | ||||||||||||||||||||||||||||||||||||||||
Page Range: | pp. 143-172 | ||||||||||||||||||||||||||||||||||||||||
Publisher: | IEEE - Institute of Electrical and Electronics Engineers | ||||||||||||||||||||||||||||||||||||||||
ISSN: | 2168-6831 | ||||||||||||||||||||||||||||||||||||||||
Status: | Published | ||||||||||||||||||||||||||||||||||||||||
Keywords: | deep learning, SAR, perspectives | ||||||||||||||||||||||||||||||||||||||||
HGF - Research field: | Aeronautics, Space and Transport | ||||||||||||||||||||||||||||||||||||||||
HGF - Program: | Space | ||||||||||||||||||||||||||||||||||||||||
HGF - Program Themes: | Earth Observation | ||||||||||||||||||||||||||||||||||||||||
DLR - Research area: | Raumfahrt | ||||||||||||||||||||||||||||||||||||||||
DLR - Program: | R EO - Earth Observation | ||||||||||||||||||||||||||||||||||||||||
DLR - Research theme (Project): | R - Remote Sensing and Geo Research, R - SAR methods | ||||||||||||||||||||||||||||||||||||||||
Location: | Oberpfaffenhofen | ||||||||||||||||||||||||||||||||||||||||
Institutes and Institutions: | Remote Sensing Technology Institute > EO Data Science Remote Sensing Technology Institute > Leitungsbereich MF | ||||||||||||||||||||||||||||||||||||||||
Deposited By: | Bratasanu, Ion-Dragos | ||||||||||||||||||||||||||||||||||||||||
Deposited On: | 19 Feb 2021 19:10 | ||||||||||||||||||||||||||||||||||||||||
Last Modified: | 23 Oct 2023 07:16 |
Repository Staff Only: item control page