为大家贡献个复数版的Caffe，个人肥了很大劲才下载到的。里面有复数卷积层，复数全连接层，复数池化层，复数sigmoid层，复数幅度层，复数反卷积层。亲测可用。

为了提高合成孔径雷达(SAR)图像目标的识别性能,将多分辨率表示与复数域卷积神经网(CNN)联合使用。首先通过对原始SAR图像的时频域进行处理,获得其多分辨率表示图像;然后采用复数域CNN分别对原始SAR图像及其多分辨率表示图像进行分类;接着对分类结果进行线性加权融合,根据融合结果对测试样本类别进行判决;最后基于MSTAR数据集对所提方法在标准和扩展的操作条件下进行实验。实验结果表明,所提方法具有有效性及稳健性。

使用多流复数值全卷积网络去极化极化SAR数据 摘要极化合成Kong径雷达（PolSAR）传感器能够收集处于不同极化状态的图像，使其成为用于目标表征的丰富信息源。 PolSAR图像固有地受斑点影响。 因此，在从数据导出临时产品之前，需要通过减少散斑来估计极化协方差矩阵。 近年来，基于深度学习的去斑点方法已经开始从单通道SAR图像演变成PolSAR图像。 为此，基于深度学习的方法将复值协方差矩阵的实部和虚部分开，并将它们用作标准卷积神经网络（CNN）中的独立通道。 但是，这种方法忽略了实部和虚部之间