DDF2Pol: Сеть слияния признаков в двух доменах для классификации изображений PolSAR

Новое исследование представляет модель DDF2Pol – легковесную двухдоменную сверточную нейронную сеть, предназначенную для классификации изображений с поляриметрическим синтезированным апертурным радаром (PolSAR). Эта технология критически важна для точного формирования топографической основы и моделей рельефа в девелопменте, позволяя эффективно различать типы поверхностей и объектов. Архитектура DDF2Pol включает два параллельных потока извлечения признаков: один для вещественных, другой для комплексных данных, что позволяет улавливать как пространственную, так и поляриметрическую информацию. Для повышения качества извлеченных признаков используются глубинная свертка и механизм координатного внимания, фокусирующийся на наиболее информативных областях. Модель продемонстрировала высокую точность классификации, достигнув 98,16% на наборе данных Flevoland и 96,12% на San Francisco, превзойдя ряд современных аналогов. При этом DDF2Pol отличается низкой сложностью, имея всего 91 371 параметр, что делает ее эффективным решением для анализа PolSAR-изображений даже при ограниченном объеме обучающих данных. 💡