elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Complex-Valued vs. Real-Valued Convolutional Neural Network for Polsar Data Classification

Asiyabi, Reza Mohammadi und Datcu, Mihai und Nies, Holger und Anghel, Andrei (2022) Complex-Valued vs. Real-Valued Convolutional Neural Network for Polsar Data Classification. In: International Geoscience and Remote Sensing Symposium (IGARSS), Seiten 421-424. IEEE - Institute of Electrical and Electronics Engineers. IGARSS 2022, 2022-07-17 - 2022-07-22, Kuala Lumpur, Malaysia. doi: 10.1109/IGARSS46834.2022.9884081.

[img] PDF
653kB

Offizielle URL: https://ieeexplore.ieee.org/document/9884081

Kurzfassung

Despite the state-of-the-art performance of the deep learning methods for Synthetic Aperture Radar (SAR) data classification, the Real-Valued (RV) networks neglect the phase component of the Complex-Valued (CV) SAR data and lose a lot of useful information. CV deep architectures have been developed in the recent years to exploit the amplitude and phase components of the CV data, in different fields. However, the superiority of CV models over RV models are proved to be different for each application, and more investigation into the advantages and disadvantages of implementing CV models for SAR data classification is necessary. In this study, the performance of the CV Convolutional Neural Network (CV-CNN) for Polarimetric SAR (PolSAR) data classification is compared with its RV equivalent network, in different contexts.

elib-URL des Eintrags:https://elib.dlr.de/193336/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Complex-Valued vs. Real-Valued Convolutional Neural Network for Polsar Data Classification
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Asiyabi, Reza MohammadiUniversity POLITEHNICA of BucharestNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datcu, MihaiMihai.Datcu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Nies, HolgerUni SiegenNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Anghel, AndreiUniversity Politehnica BucharestNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2022
Erschienen in:International Geoscience and Remote Sensing Symposium (IGARSS)
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/IGARSS46834.2022.9884081
Seitenbereich:Seiten 421-424
Verlag:IEEE - Institute of Electrical and Electronics Engineers
Status:veröffentlicht
Stichwörter:Complex-valued CNN, deep learning, Remote sensing, Classification, PolSAR
Veranstaltungstitel:IGARSS 2022
Veranstaltungsort:Kuala Lumpur, Malaysia
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:17 Juli 2022
Veranstaltungsende:22 Juli 2022
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Künstliche Intelligenz
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Haschberger, Dr.-Ing. Peter
Hinterlegt am:16 Jan 2023 08:53
Letzte Änderung:24 Apr 2024 20:54

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.