SAR Image Despeckling by Deep Neural Networks: from a Pre-Trained Model to an End-to-End Training Strategy - Télécom Paris
Article Dans Une Revue Remote Sensing Année : 2020

SAR Image Despeckling by Deep Neural Networks: from a Pre-Trained Model to an End-to-End Training Strategy

Emanuele Dalsasso
Image, Modélisation, Analyse, GEométrie, Synthèse
Xiangli Yang
  • Fonction : Auteur
Loïc Denis
Laboratoire Hubert Curien
CV
Florence Tupin
Laboratoire Traitement et Communication de l'Information
Wen Yang
  • Fonction : Auteur

Domaines

Réseau de neurones [cs.NE] Traitement des images [eess.IV]

Emanuele Dalsasso  : Connectez-vous pour contacter le contributeur

https://telecom-paris.hal.science/hal-02944565

Soumis le : lundi 21 septembre 2020-15:19:49

Dernière modification le : mercredi 23 octobre 2024-10:30:04

Consulter le texte intégral

Dates et versions

hal-02944565 , version 1 (21-09-2020)

Identifiants

Citer

Emanuele Dalsasso, Xiangli Yang, Loïc Denis, Florence Tupin, Wen Yang. SAR Image Despeckling by Deep Neural Networks: from a Pre-Trained Model to an End-to-End Training Strategy. Remote Sensing, 2020, 12 (16), pp.2636. ⟨10.3390/rs12162636⟩. ⟨hal-02944565⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-ST-ETIENNE IOGS CNRS LTCI IDS IMAGES IP_PARIS UDL LABORATOIRE-HUBERT-CURIEN INSTITUT-MINES-TELECOM
102 Consultations
0 Téléchargements

Altmetric

Partager

More