Zobrazeno 1 - 10
of 84
pro vyhledávání: '"limited training samples"'
Autor:
Fangming Guo, Zhongwei Li, Qiao Meng, Guangbo Ren, Leiquan Wang, Jianbu Wang, Huawei Qin, Jie Zhang
Publikováno v:
International Journal of Applied Earth Observations and Geoinformation, Vol 120, Iss , Pp 103354- (2023)
Multi-source remote sensing monitoring plays a crucial part in the ecological protection and restoration of coastal wetlands. However, due to the inaccessible of wetlands environment, lacking of labeled samples is a challenge in wetland classificatio
Externí odkaz:
https://doaj.org/article/f50143ac07c74b968d2f0c0db6376829
Publikováno v:
Remote Sensing, Vol 15, Iss 24, p 5761 (2023)
For practical maritime SAR image classification tasks with special imaging platforms, scenes to be classified are often different from those in the training sets. The quantity and diversity of the available training data can also be extremely limited
Externí odkaz:
https://doaj.org/article/a983248f0d3548168caded1708c34a5e
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 8, Pp 80588-80598 (2020)
Jamming is a big threat to radar system survival and anti-jamming is a part of the solution. The classification of radar jamming signal is the first step toward to anti-jamming. Recently, as an important part of deep learning, convolutional neural ne
Externí odkaz:
https://doaj.org/article/c0761a43138a4cf29933ce81a374092d
Publikováno v:
Sensors, Vol 23, Iss 3, p 1668 (2023)
It is difficult to collect training samples for all types of synthetic aperture radar (SAR) targets. A realistic problem comes when unseen categories exist that are not included in training and benchmark data at the time of recognition, which is defi
Externí odkaz:
https://doaj.org/article/dec0ebeeb3a44e3281db5710666dd3ea
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.