Key points are not available for this paper at this time.
تشكل الفروقات الكبيرة في مجالات البيانات بين صور الرادار ذي الفتحة الاصطناعية وعملية الوسم المكلفة والمستهلكة للوقت تحديات كبيرة في تصنيف التضاريس. تواجه منهجيات تصنيف التضاريس الحالية تحديات في معالجة الفروق بين المجالات واكتشاف التضاريس غير الشائعة بفعالية. بناءً على تحويل الأسلوب ومقاييس المجال (STDMs)، نقترح إطار عمل تعليمي غير مراقب للتكيف مع المجال يُسمى STDM-UDA لتصنيف التضاريس في هذه الورقة، والذي يتألف من خطوتين: نقل أسلوب الصورة والتقسيم التكيفي مع المجال. كخطوة أولى، يتم إجراء نقل أسلوب الصورة ضمن فضاء الصورة لتقليل الفروق في الميزات منخفضة المستوى بين مجالات صور الرادار. بعد ذلك، مستفيدين من هذه العملية، يستخلص شبكة التقسيم ميزات الصورة، مستخدمة مقاييس المجال والتدريب العدائي لتعزيز المحاذاة بين فجوات المجال في فضاء الميزات الدلالية. أخيراً، تظهر التجارب التي أُجريت على عدة أزواج من صور الرادار، كل منها يظهر درجات متفاوتة من الاختلافات في المعايير الرئيسية للتصوير مثل المصدر، الدقة، النطاق، والاستقطاب، متانة الطريقة المقترحة. تحقق دقة تصنيف تنافسية بشكل ملحوظ، خاصة للمشاهد الواسعة عالية الدقة غير الموسومة، متغلبة بفعالية على فجوات المجال التي تسبّبها المعايير التصويرية المتنوعة تحت الدراسة.
درس Ren وآخرون (Sat,) هذا السؤال.