研究人员开发了WGDNet，一种用于极化合成孔径雷达（PolSAR）图像分类的新型深度学习网络。该网络通过集成可学习的Wishart卷积和定向卷积核来提取统计边缘特征，解决了传统方法的局限性。它还包含一个方向先验聚合模块，用于自适应地优化方向输出，以及一个几何感知卷积模块，该模块动态调整采样网格以更好地模拟地形并保留精细细节。在真实PolSAR数据集上的评估表明，与现有的最先进方法相比，WGDNet实现了更高的分类准确性和边界保真度。 AI
影响 这种新网络可以通过增强PolSAR图像分类，提高全天候地球观测的准确性和细节。
排序理由 该集群包含一篇详细介绍用于图像分类的新型深度学习网络的学术论文。[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 →
