课题组王俊杰的论文被 IEEE JSTARS 期刊录用

计算机科研狗@OUC

已于 2022-02-10 00:05:49 修改

阅读量3.8k

点赞数 1

分类专栏：小组动态文章标签：计算机视觉深度学习神经网络

于 2022-01-22 13:08:35 首次发布

本文链接：https://blog.csdn.net/gaopursuit/article/details/122636072

版权

小组动态专栏收录该内容

14 篇文章 15 订阅

订阅专栏

课题组王俊杰的论文 “Change Detection from Synthetic Aperture Radar Images via Graph-Based Knowledge Supplement Network” 被 IEEE Journal Of Selected Topics In Applied Earth Observations And Remote Sensing 录用。

在这里插入图片描述

合成孔径雷达（SAR）图像变化检测是遥感图像分析领域的一项有挑战性的任务。深度网络通常需要许多高质量的样本进行参数优化，伪标签中的噪声影响了变化检测性能。为了解决这个问题，我们提出了基于先验知识的神经网络（Graph-based knowlnedge supplement network, GKSNet）。从现有的标记数据集中提取信息作为额外的知识，在一定程度上抑制了噪声样本的影响。同时，我们还设计了一个图转移模块，将上下文信息从已标记的数据集用迁移到目标数据集，从而在数据集之间建立起特征关联。我们在四个SAR数据集上进行了实验，结果表明本文提出的 GKSNet 具有较好的变化检测性能。

论文链接：https://ieeexplore.ieee.org/document/9699382

ARXIV：https://arxiv.org/abs/2201.08954

论文即将在 github 公开源代码，地址为：https://github.com/summitgao/SAR_CD_GKSNet

王俊杰为高峰和董军宇老师共同指导的学生，已以第一作者在IEEE TGRS 发表论文1篇，在 IEEE JSTARS 发表论文1篇，在CCF C类会议 ACM Multimedia Asia 发表论文1篇。目前在北京理工大学多维度信号与信息处理实验室攻读博士。