In this paper, a supervised CNN mod

In this paper, a supervised CNN model is used as a feature
extractor and a regression model to estimate ice concentration
from SAR images. The processing scheme is shown in Fig. 3.
It is composed of three major steps: preprocessing of the SAR
images, training of the CNN model, and prediction using the
trained CNN model. Performance of the trained CNN model is
evaluated by testing on independent images to the images used
in training. Prediction follows the same procedure as testing,
except that an ice concentration is estimated for every pixel
location in the input SAR image; therefore, only the first two
steps will be described.

ผลลัพธ์ (ไทย) 1:

ในกระดาษนี้ ใช้แบบ CNN ดูแลเป็นคุณลักษณะระบายและแบบจำลองถดถอยในการประเมินความเข้มข้นของน้ำแข็งจากภาพ SAR แผนงานการประมวลผลจะแสดงในประกอบด้วยขั้นตอนหลักสาม: preprocessing ของ SARภาพ ฝึกอบรมรุ่น CNN และใช้ทำนายการรุ่นซีเอ็นเอ็นผ่านการฝึกอบรม ประสิทธิภาพของรูปแบบซีเอ็นเอ็นผ่านการฝึกอบรมประเมิน โดยการทดสอบอิสระภาพเพื่อภาพที่ใช้ในการฝึกอบรม ทำนายตามกระบวนการเดียวกันเป็นการทดสอบยกเว้นว่า มีความเข้มข้นของน้ำแข็งประมาณการสำหรับทุกพิกเซลในรูปแบบ SAR อินพุต ดังนั้น เท่าสองคนแรกขั้นตอนที่จะอธิบาย

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เป็นรูปแบบของซีเอ็นเอ็นภายใต้การดูแลถูกนำมาใช้เป็นคุณสมบัติ
ระบายและรูปแบบการถดถอยเพื่อประเมินความเข้มข้นของน้ำแข็ง
จากภาพ SAR โครงการการประมวลผลที่มีการแสดงในรูป 3.
จะประกอบด้วยสามขั้นตอนที่สำคัญ: ประมวลผลเบื้องต้นของ SAR
ภาพการฝึกอบรมรุ่นซีเอ็นเอ็นและการทำนายโดยใช้
การฝึกอบรมรุ่นซีเอ็นเอ็น ประสิทธิภาพการทำงานของรุ่นซีเอ็นเอ็นผ่านการฝึกอบรมจะ
ได้รับการประเมินโดยการทดสอบบนภาพอิสระเพื่อภาพที่ใช้
ในการฝึกอบรม ทำนายตามขั้นตอนเช่นเดียวกับการทดสอบการ
ยกเว้นว่ามีความเข้มข้นน้ำแข็งเป็นที่คาดกันทุกพิกเซล
ที่ตั้งในการป้อนข้อมูล SAR ภาพ; ดังนั้นเพียงสองครั้งแรก
ขั้นตอนจะอธิบาย

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ มีรูปแบบ คือใช้เป็นคุณลักษณะของซีเอ็นเอ็นระบายและแบบจำลองการถดถอยเพื่อประมาณความเข้มข้นของน้ำแข็งจาก : ภาพ รูปแบบการประมวลผลที่แสดงในรูปที่ 3มันประกอบด้วยสามขั้นตอนหลัก : preprocessing ของซาร์ภาพการฝึกของซีเอ็นเอ็นแบบจำลองและการทำนายโดยใช้รูปแบบของการอบรม ประสิทธิภาพของแบบฝึกคือ ซีเอ็นเอ็นการประเมินโดยการทดสอบในรูปอิสระและรูปที่ใช้ในการฝึกอบรม ทำนายตามขั้นตอนเช่นเดียวกับการทดสอบยกเว้นว่า น้ำแข็งจะมีความเข้มข้นประมาณทุกพิกเซลสถานที่ในการป้อนข้อมูลและภาพ ดังนั้น เพียงครั้งแรกสองขั้นตอนจะอธิบาย