DeepAqua：利用知识蒸馏自监督从 SAR 图像中语义分割湿地（英文版）

英文标题：DeepAqua: Self-Supervised Semantic Segmentation of Wetlands from SAR Images using Knowledge Distillation中文摘要：本研究介绍了 DeepAqua，这是一个自我监督的深度学习模型，通过知识蒸馏来消除训练阶段中手动注释的需求，并利用归一化差异水体指数 (NDWI) 作为教师模型，训练卷积神经网络 (CNN) 从合成孔径雷达 (SAR) 图像中分割水域。该方法实现了有效地训练语义分割模型而无需手动注释数据，为监测湿地水域范围变化提供了实用的解决方案，无需地面真实数据，因此具有高度的适应性和可扩展性，可以应用于湿地保护工作。英文摘要：Remote sensing has significantly advanced water detection by applyingsemantic segmentation techniques to satellite imagery. However, semanticsegmentation remains challenging du