PLAKAT/POSTER:
Regresijska nevronska mreža za oceno vlažnosti tal s pomočjo polarimetričnega radarja z umetno odprtino

Regression neural network for soil moisture estimation using fully polarimetric synthetic aperture radar data


D. Gleich, B. Pongrac, A. Sarjaš
Univerza v Mariboru, Fakulteta za elektrotehniko, računalništvo in informatiko

POVZETEK
V zadnjih nekaj letih je kategorizacija slik z uporabo globokega učenja postala zelo priljubljena, saj obvladuje velike baze podatkov in je pokazala dobre rezultate prepoznavanja na velikih množicah podatkov. Ta prispevek predstavlja kompleksno vrednoteno konvolucijsko mrežo (CV-CNN) za oceno vlažnosti tal z radarjem s sintetično odprtino (SAR). CV-CNN je na splošno sestavljen iz realne ali kompleksne vrednosti vhodne plasti, izhodne plasti in ene ali več skritih plasti. Skrite plasti predstavljajo katero koli kombinacijo konvolucijskih slojev, združevalnih slojev, aktivacijskih funkcij in so v celoti definirane znotraj kompleksne domene. Ta članek predlaga globoko konvolucijsko nevronsko mrežo (CNN) za oceno parametrov vlažnosti tal. Uporabljena je bila 9-slojna konvolucijska nevronska mreža, sestavljena iz konvolucijskih, združevalnih, izpadnih, popolnoma povezanih in regresijskih plasti. Za vsako pridobitev SAR smo uporabili 1000 zemeljskih meritev z uporabo popolnoma polarimetričnih podatkov SAR v L-pasu. Eksperimentalne rezultate smo preverili s 100 merilnimi točkami tal.

ABSTRACT
Over the past few years image categorization using deep learning became very popular, because it can handle large databases and has shown good recognition results. This paper presents the complex valued convolutional network (CV-CNN) for Synthetic Aperture Radar (SAR) soil moisture estimation. The CV-CNN consists in general of a real or complex valued input layer, output layer and one or more hidden layers. Hidden layers represent any combination of convolutional layers, pooling layers, activation functions, and are fully defined within complex valued domain. This paper proposes a deep Convolutional Neural Network (CNN) for soil moisture parameter estimation. A 9 layer convolutional neural network was used, consisting of convolutional, pooling, dropout, fully connected and regression layers. We used 1000 ground measurements for each SAR acquisition using L-band fully polarimetric SAR data. The experimental results were verified using 100 ground points.