您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 复数版卷积神经网络,复数版CAFFE

  2. 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。
  3. 所属分类:深度学习

    • 发布日期:2018-09-01
    • 文件大小:8388608
    • 提供者:hugongzi1211
  1. 结合多分辨率表示和复数域CNN的SAR图像目标识别方法

  2. 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。
  3. 所属分类:其它

    • 发布日期:2021-02-11
    • 文件大小:4194304
    • 提供者:weixin_38625098
  1. CV-deSpeckNet:此回购实现了用于PolSAR数据去斑的复值多流全卷积网络-源码

  2. 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
  3. 所属分类:其它

    • 发布日期:2021-03-29
    • 文件大小:2048
    • 提供者:weixin_42134097