文献

J-GLOBAL ID：202002233523237955   整理番号：20A2277706

制限されたラベル付きトレーニングデータによるSAR画像目標認識のためのMdpCaps-Csl【JST・京大機械翻訳】

MdpCaps-Csl for SAR Image Target Recognition With Limited Labeled Training Data

著者 (6件)： Hou Yuchao (School of Information and Communication Engineering, North University of China, Taiyuan, China) ,  Xu Ting (School of Science, North University of China, Taiyuan, China) ,  Hu Hongping (School of Science, North University of China, Taiyuan, China) ,  Wang Peng (School of Science, North University of China, Taiyuan, China) ,  Xue Hongxin (School of Data Science and Technology, North University of China, Taiyuan, China) ,  Bai Yanping (School of Information and Communication Engineering, North University of China, Taiyuan, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 176217-176231  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 畳み込みニューラルネットワーク(CNN)は多くの画像認識タスクにおいて優れた性能を示しているが,一般的に多くのラベル付きデータを必要とし,認識効果は限られたラベル付き訓練データのためにしばしば不満足である。近年,カプセルネットワーク(CapsNet)は訓練サンプルの小さなグループで高い認識精度を達成することが示されている。本研究では,余弦類似性に基づくクラス分離可能損失を,抽出したネットワークの識別性を高めるために提案した。ネットワークを訓練し,クラス内差を狭めて,各反復におけるクラス間差を増すために,元の損失関数に対する正則化項として追加した。一方,多次元並列カプセルモジュールを確立して,オリジナル画像からロバスト特性と空間関係を得た。異なるレベルの畳込みからの特徴マップを,このモジュールの入力として抽出した。高レベル畳込みに由来する低レベル畳込みと意味特徴に由来する構造的特徴を,低次元カプセル符号化と高次元カプセル符号化のためにそれぞれ使用した。実験では,一般的移動と静止ターゲット取得と認識(MSTAR)データベースを用いた。クラス分離可能損失(MdpCaps-Csl)を有する多次元並列カプセルネットワークの精度は,すべての訓練サンプルを用いて99.79%であり,これは,ほとんどの現在の認識法よりも高いことを見出した。より重要なことに,10%の訓練サンプルのみが適用されているとしても,精度は97.73%までであり,MdpCaps-Cslは限られた訓練サンプルで優れた性能を作ることができる。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： 畳込み ,  損失関数 ,  データベース ,  ネットワーク ,  カプセル ,  *物体認識 ,  正則化 ,  高次元 ,  ロバスト性 ,  画像認識
準シソーラス用語： 訓練データ ,  SAR画像 ,  特徴マップ ,  低次元 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 制限 ,  ラベル ,  トレーニング ,  SAR画像 ,  目標認識