研究人员开发了 CV-SSMNet，这是一种新颖的、面向物理的复值状态空间网络，用于极化合成孔径雷达 (PolSAR) 图像分类。该模型能有效捕捉长距离空间依赖性，同时保留 PolSAR 数据固有的关键幅相信息。通过将七种具有物理意义的散射先验作为调制信号，CV-SSMNet 在整个特征演化过程中自适应地重新校准复值表示。在 L 波段和 P 波段数据集上的实验表明，CV-SSMNet 实现了具有竞争力的准确性、增强的区域一致性和改进的边界保持，验证了将极化散射机制嵌入深度学习以进行 GeoAI 表示学习的方法。 AI
影响 该模型通过更好地将物理散射机制整合到深度学习中，有望提高 GeoAI 应用的准确性和一致性。
排序理由 该集群包含一篇详细介绍新型图像分类模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
