MétaCan
Menu
Retour à la cohorte
Enregistrement W2134795927 · doi:10.1109/igarss.2008.4779319

Dual Polarization Detection of Ships and Icebergs - Recent Results with ENVISAT ASAR and Data Simulations of RADARSAT-2

2008· article· en· W2134795927 sur OpenAlexaff
Carl Howell, Desmond Power, M. Lynch, Kelley Dodge, P. Bobby, C. Randell, P.W. Vachon, Gordon Staples

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensDefence Research and Development CanadaCentre For Cold Ocean Resources Engineering
Organismes subventionnairesnon disponible
Mots-clésSynthetic aperture radarRemote sensingGeologyPolarimetryIcebergInverse synthetic aperture radarSpace-based radarSatelliteRadar imagingComputer scienceRadarBistatic radarEngineeringSea iceScatteringPhysics

Résumé

récupéré en direct d'OpenAlex

The RADARSAT-2 satellite is an advanced C-band synthetic aperture radar (SAR) with a variety of new modes including options for polarization combinations, resolution, and swath width. This paper examines the potential of multi polarization data for detecting and discriminating ship and iceberg targets Data used in this study consist of well validated airborne Convair-580 SAR and spaceborne ASAR HH/HV and HH/VV. In total, the data set used for evaluating detection and discrimination consists of 901 validated iceberg and ship targets. Optimizing target detection is accomplished using receiver operator curves (ROC) as proposed by [6] and discrimination is conducted using a quadratic discriminant (QD) with feature selection based on sequential forward selection (SFS). In general it was found that detection and discrimination improve with more polarimetric information; however, HH/HV and VV/VH only had nominally less discrimination performance than the quad polarization modes evaluated.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,262

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,231
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207