文献

J-GLOBAL ID：201702242497809910   整理番号：17A1259683

SAR船舶検出のためのCFARアルゴリズムに基づく修正高速R CNN【Powered by NICT】

A modified faster R-CNN based on CFAR algorithm for SAR ship detection

著者 (4件)： Kang Miao (School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China) ,  Leng Xiangguang (School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China) ,  Lin Zhao (School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China) ,  Ji Kefeng (School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： RSIP  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： SAR船舶検出である海洋モニタリングに必須である。近年,深いニューラルネットワークの開発とSAR画像のばねを有する,深層ニューラルネットワークに基づくSAR船舶検出は傾向がある。しかし,SAR画像におけるマルチスケール船が特徴の望ましくない差,深層学習法に基づく船舶検出の精度を減少させるを引き起こす。この問題を目指して,本論文では,従来の定誤警報確率(CFAR)による高速R CNN,最先端技術のオブジェクト検出ネットワークを変化させる。CFARアルゴリズムのガード窓のためのより高速なR CNNにより生成された物体の提案をして,この方法は小型目標を挙げた。検出ネットワークの相対的低い分類スコアを持つ境界ボックスを再評価することにより,この方法はより良好な検出性能を得た。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *高速度 ,  深層 ,  *船舶 ,  ネットワーク ,  海洋 ,  *アルゴリズム ,  ニューラルネットワーク ,  保護具
準シソーラス用語： 検出能 ,  物体検出 ,  最先端技術 ,  深層学習 ,  マルチスケール ,  SAR画像 ,  *CFAR , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： SAR ,  船舶 ,  CFAR ,  アルゴリズム ,  CNN