基于深度学习模型的In SAR形变区检测与分割对比研究

成都理工大学学报(自然科学版) 页数： 18 2025-06-24

摘要：随着合成孔径雷达干涉测量（InSAR）技术在地表形变探测中的广泛应用，如何在广域小样本库场景下，利用深度学习模型实现地表形变的快速智能检测和分割是目前的研究热点。基于7种深度学习模型，探讨了其在InSAR形变区自动识别与分割任务中的应用效果。研究结果表明，在形变区检测任务中，YOLO11m模型具有较强的鲁棒性，其较高的精度（P值=0.894）和较短的训练时间使其适用于需要快速响... （共18页）

开通会员，享受整站包年服务

说明：本文档由创作者上传发布，版权归属创作者。若内容存在侵权，请点击申诉举报

科技文档

数学力学化学金融证券保险投资会计审计园艺林业旅游体育物理学生物学天文学气象学海洋学地质学新能源金属学农艺学农作物管理学领导学自然科学系统科学资源科学无机化工有机化工燃料化工化学工业材料科学矿业工程冶金工业安全科学环境科学工业通用机械工业无线电子电信技术铁路运输汽车工业船舶工业动力工程电力工业农业科学农业工程植物保护动物医学教育理论学前教育初等教育中等教育高等教育职业教育成人教育自然地理地球物理经济统计农业经济工业经济交通经济企业经济文化经济信息经济贸易经济财政税收市场研究科学研究互联网自动化轻工业核科学服务业石油然气服务业野生动物水产渔业硬件仪器仪表航空航天武器军事公路运输水利水电建筑科学软件