文献

J-GLOBAL ID：201802282404702584   整理番号：18A1585686

SARターゲット認識に向けてのデコンボリューションニューラルネットワーク構造設計【JST・京大機械翻訳】

Architecture design of deep convolutional neural network for SAR target recognition

著者 (2件)： Gu Yu (杭州電子科技大学通信信息伝輸与融合技術国防重点学科実験室,杭州,310018) ,  Xu Ying (杭州電子科技大学生命信息与儀器工程学院,杭州,310018)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 23  号： 6  ページ： 928-936  発行年： 2018年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:SAR(syntheticapertureradar)目標識別に用いる深度畳み込みニューラルネットワークモデル構造の最適化設計の難題に対して、畳込み核幅が分類性能に与える影響を分析した。SARターゲット認識に適したデコンボリューションニューラルネットワーク構造を設計した。【方法】2次元ランダム畳込み特性と単一隠れ層を有するニューラルネットワークモデル-超限学習機を用いて,SAR画像のターゲット分類性能に及ぼす畳込みカーネル幅の影響を解析した。次に,上述の分析結果に基づいて,空間特徴抽出の畳み込み層において,異なる幅の畳み込みカーネルを用いてターゲットのマルチスケール局所特徴を抽出し,SAR画像の目標認識に適した深さモデル構造を設計した。最後に、MSTAR(movingandstationarytargetacquisitionandrecognition)データセットの訓練サンプルに対してサンプル拡張を行った。深さモデル訓練の超パラメータを設定し,深さモデルパラメータの訓練と分類性能の検証を行った。【結果】実験結果は,強いコヒーレントスペックルノイズを有するSAR画像に対して,より大きな幅の畳み込みカーネルが,ターゲットの局所的特徴を抽出することができ,そして,提案モデルは,入力画像からターゲットのマルチスケール局所特性を抽出できることを示している。10種類の目標の分類結果(非変形目標と変形目標の2種類を含む)が既知文献の最適な分類結果に近いか、目標の全体的分類精度はそれぞれ98.39%と97.69%に達し、提案モデル構造の有効性を検証した。【結語】SAR画像の標的認識には,可視画像と異なった撮像機構があるので,より大きな畳み込みカーネルを用いてターゲットの空間特性を抽出し,深さモデルを最適化することにより,SAR画像のターゲット認識の精度を向上させることができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 二次元 ,  畳込み ,  最適設計 ,  学習 ,  特徴抽出 ,  撮像 ,  コヒーレンス ,  最適化 ,  *物体認識
準シソーラス用語： 可視画像 ,  分類精度 ,  局所特徴 ,  マルチスケール ,  SAR画像 ,  隠れ層 , 【Automatic Indexing@JST】

著者キーワード (5件)： SAR target recognition ,  deep convolution neural network ,  architecture design ,  random weight ,  extreme learning machines

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  レーダ  (ND13010H)

タイトルに関連する用語 (3件)： SAR ,  ターゲット認識 ,  構造設計