文献

J-GLOBAL ID：201802245225330605   整理番号：18A1257897

マイクロDopplerレーダスペクトログラムによる移動目標分類のための畳込みニューラルネットワークによる転送学習【JST・京大機械翻訳】

Transfer learning with convolutional neural networks for moving target classification with micro-Doppler radar spectrograms

著者 (4件)： Hadhrami Esra Al (Emirates Technology and Innovation Center (ETIC), Khalifa University of Science and Technology, Abu Dhabi, United Arab Emirates) ,  Mufti Maha Al (Emirates Technology and Innovation Center (ETIC), Khalifa University of Science and Technology, Abu Dhabi, United Arab Emirates) ,  Taha Bilal (Electrical and Computer Engineering Department, Khalifa University of Science and Technology, Abu Dhabi, United Arab Emirates) ,  Werghi Naoufel (Electrical and Computer Engineering Department, Khalifa University of Science and Technology, Abu Dhabi, United Arab Emirates)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICAIBD  ページ： 148-154  発行年： 2018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： 本研究では,レーダ自動目標認識(ATR)のための畳込みニューラルネットワーク(CNN)による伝達学習手法を提案した。移動目標のレーダエコー信号は,移動目標の分類に広く使われているマイクロDoppler特徴を導入する。分光写真は異なるターゲットの特徴的なマイクロDoppler特徴を表現する利点を持ち,CNNモデルに2D画像を供給する。事前訓練されたCNNモデル,すなわちAlexNetを特徴抽出器として採用し,特徴マップを,古典的分類器を訓練するために,どの層からも抽出できる。このアプローチでは,ソフトマックス分類器を用いた。提案したフレームワークの効率を8つの地上移動目標クラスの公開RadEchデータベース上で実証し,実験結果により,本手法が99.9%の精度で他の競合最先端手法よりも著しく優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *レーダ ,  特徴抽出 ,  二次元 ,  モデル ,  *学習 ,  データベース ,  画像
準シソーラス用語： 最先端 ,  特徴マップ ,  レーダエコー ,  自動ターゲット認識 ,  *畳込みニューラルネットワーク ,  *移動目標 ,  *マイクロドップラ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (7件)： Dopplerレーダ ,  スペクトログラム ,  移動目標 ,  分類 ,  畳込みニューラルネットワーク ,  転送 ,  学習