文献

J-GLOBAL ID：202002220841909337   整理番号：20A0904311

畳込みニューラルネットワークを用いた3次元パラメトリック電磁部品モデルベースSAR ATR【JST・京大機械翻訳】

Three Dimensional Parametric Electromagnetic Part Model based SAR ATR using Convolution Neural Network

著者 (3件)： Ma CongHui (Space Engineering University,Beijing,China) ,  Wen GongJian (National University of Defense Technology,Changsha,China) ,  Hu Min (Space Engineering University,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： APSAR  ページ： 1-5  発行年： 2019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： 合成開口レーダ(SAR)画像におけるターゲット認識は,SAR画像解釈のための重要ではあるが挑戦的な問題である。従来の方法において,認識は,測定した画像をテンプレートまたはモデル画像に直接,または,設計された特徴の抽出と対応と一致させることを通して実現される。それは,拡張操作条件(EOC)の下で,予測されていない目標タイプに関してよく機能しない可能性があった。三次元パラメトリック電磁部分モデル(3-D PEPM)は,異なる動作条件(OC)におけるターゲットの散乱をシミュレートするために操作できる代表的な散乱部分の組合せによってターゲットの散乱現象を特徴付ける。畳込みニューラルネットワーク(CNN)は,大量の訓練データから自動的に豊富な階層的特徴を学習する。それは多くの分類と認識タスクにおいて最先端の電力を示した。本論文では,CNNを用いてSAR画像を認識するために,三次元PEPMに基づく方法を提案した。最初に,3-D PEPMを導入して,種々のOCにおけるターゲットの散乱をシミュレーションした。次に,モデル生成画像サンプルを用いて,認識のためのCNNモデルを訓練した。テスト段階において,テスト画像は,最も高い確率を有するクラスとして訓練されたモデルによって認識される。最後に,電磁シミュレーションデータとチャンバー測定データを用いた実験により,提案方法の有効性を検証し,それがEOCsにおけるターゲット認識のための実用的アプローチであることを示した。Copyright 2020 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： 散乱 ,  電力 ,  物体認識 ,  *三次元 ,  有効性 ,  合成開口レーダ
準シソーラス用語： 訓練データ ,  操作条件 ,  チャンバ ,  電磁界数値解析 ,  *モデルベース ,  運転条件 ,  SAR画像 ,  *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)： 畳込みニューラルネットワーク ,  3次元 ,  モデルベース ,  SAR ,  ATR