文献

J-GLOBAL ID：201902227558352097   整理番号：19A0470519

SARターゲット認識のためのサンプルストレッチによる畳込みニューラルネットワーク【JST・京大機械翻訳】

Convolution Neural Network with Sample Stretch for SAR Target Recognition

著者 (3件)： Zhang Linbin (School of Electronic Science, National University of Defense Technology, State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, Changsha, China) ,  Xiong Boli (School of Electronic Science, National University of Defense Technology, State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, Changsha, China) ,  Kuang Gangyao (School of Electronic Science, National University of Defense Technology, State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, Changsha, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CISS  ページ： 1-5  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： 画像分類の分野で良く行われている畳込みニューラルネットワークは,テスト画像が列車画像に類似しているという前提条件に従う。SAR車両画像分類分野において,認識比率は,抑制角度の増加とともに急速に低下した。鬱病角度におけるSAR画像の差異は,明らかに,SAR画像の分類精度に影響した。SAR車両の3つのカテゴリーの分類における低い精度を克服するために,鬱病角度17°画像から成る列車セットによる実験とMSTARデータベースから45°の抑制角度から成るテストセットを調査した。試験と列車セットをより類似させるために,試験画像を水平と垂直方向の両方で延伸した。相互相関係数実験により,延伸法を検証した。一方,畳込みニューラルネットワークの改良構造を,分類装置として作用するために,本論文で採用した。認識精度を他の従来の機械学習法およびA-ConvNet法と比較した。結果は,伸張方法と提案したCNNが,SAR車両認識において既存の分類装置の大部分を上回ることを示した。Copyright 2019 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： 高速度 ,  延伸 ,  分類装置 ,  データベース ,  うつ病 ,  画像 ,  機械学習 ,  *物体認識 ,  相関係数
準シソーラス用語： 認識精度 ,  分類精度 ,  SAR画像 ,  認識率 ,  画像分類 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： SAR ,  ターゲット認識 ,  サンプル ,  ストレッチ ,  畳込みニューラルネットワーク