《表1 Pol SAR图像舰船目标检测方法适用场景和优缺点总结》
提示：宽带有限、当前游客访问压缩模式
本文详细梳理了Pol SAR舰船目标检测的不同技术途径、发展脉络和存在问题，表1给出了各类方法的优缺点以方便感兴趣的研究人员参考。
| 图表编号 | XD00204498100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.01 |
| 作者 | 刘涛、杨子渊、蒋燕妮、高贵 |
| 绘制单位 | 海军工程大学电子工程学院、海军工程大学电子工程学院、海军工程大学电子工程学院、西南交通大学地球科学与环境工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 常见11种综述类型及方法的缺点、优点和适用情况总结》2020.02.20
- 《表1 单目场景下基于三维目标检测的车型识别方法总结》2020.06.01
- 《表3 不同方法的AP值：基于特征融合卷积神经网络的SAR图像目标检测方法》2020.04.01
- 《表1 场景1和场景2的SAR图像重建结果表》2020.04.01
- 《表4 模型简化实验结果：双向特征融合的数据自适应SAR图像舰船目标检测模型》2020.09.16
- 《表1 实验结果对比：基于特征融合的遥感图像舰船目标检测方法》2020.07.01
- 《表4 基于候选区域的目标检测算法的优缺点及适用场景对比》2020.09.01
- 《表6 基于回归的目标检测算法的优缺点和适用场景对比》2020.09.01
- 《表1 舰船检测结果：基于深度特征金字塔和级联检测器的SAR图像舰船检测》2020.06.25
- 《表4 改进部分的对比表：基于RetinaNet的SAR图像舰船目标检测》2020.02.25
- 《表3 算法性能对比表：基于RetinaNet的SAR图像舰船目标检测》2020.02.25
- 《表2 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 算法运行时间比较：基于二维能量检测的舰船SAR图像阈值分割》2019.12.01
- 《表3 算法指标值比较：基于二维能量检测的舰船SAR图像阈值分割》2019.12.01
- 《表2 算法运行时间：基于二维能量检测的舰船SAR图像阈值分割》2019.12.01
- 《表2 实验结果对比：基于CNN的SAR图像舰船目标检测算法》2019.01.01
- 《表1 检测结果：基于CNN的SAR图像舰船目标检测算法》2019.01.01
- 《表1 目标检测结果：一种面向机载SAR图像的目标检测算法》2019.03.18
- 《表1 运行时间：SAR图像舰船目标检测的Gamma流形方法》2018.06.25