文献

J-GLOBAL ID：202002236891653253   整理番号：20A1205722

深層学習に基づくSAR画像ターゲット認識に対する敵対攻撃【JST・京大機械翻訳】

Adversarial attacks on deep-learning-based SAR image target recognition

著者 (7件)： Huang Teng (School of Computer Science, Guangzhou University, Guangzhou, 510006, China) ,  Zhang Qixiang (School of Computer Science, Guangzhou University, Guangzhou, 510006, China) ,  Liu Jiabao (School of Computer Science, Guangzhou University, Guangzhou, 510006, China) ,  Hou Ruitao (School of Computer Science, Guangzhou University, Guangzhou, 510006, China) ,  Wang Xianmin (School of Computer Science, Guangzhou University, Guangzhou, 510006, China) ,  Wang Xianmin (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China) ,  Li Ya (School of Computer Science, Guangzhou University, Guangzhou, 510006, China)
資料名： Journal of Network and Computer Applications  (Journal of Network and Computer Applications)
巻： 162  ページ： Null  発行年： 2020年 
JST資料番号： H0842A  ISSN： 1084-8045  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 合成開口レーダ(SAR)画像ターゲット認識は,一貫してレーダ画像解釈の分野における研究ホットスポットであった。従来のターゲット認識アルゴリズムと比較して,深い学習に基づくSAR目標認識アルゴリズムは,エンドツーエンド特徴学習を提供して,それは効果的に目標認識比率を改良することができて,それらをレーダ目標認識のためにそれらを重要な方法にした。しかしながら,最近の研究は,深い学習に基づく光学的画像認識方法が,敵の例に脆弱であることを示している。SAR画像ターゲット認識において,深い学習アルゴリズムのために存在する敵の例がまだ未解決の問題であるかどうか。本論文では,SAR画像ターゲット認識のための3つの古典的な深い学習アルゴリズムを攻撃するために,3つの主流アルゴリズムを用いた。実験は,ホワイトボックスとブラックボックス攻撃のための公開の実際のSAR画像を含んでいる。結果は,深い学習に基づくSARターゲット認識アルゴリズムが,潜在的に敵の例に脆弱であることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  ブラックボックス ,  *物体認識 ,  エンドツーエンド方式 ,  ホットスポット ,  光学画像 ,  レーダ画像 ,  合成開口レーダ ,  学習アルゴリズム
準シソーラス用語： 認識アルゴリズム ,  脆弱性 ,  *SAR画像 ,  レーダー目標認識 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： SAR ,  深層学習 ,  畳み込みニューラルネットワーク ,  敵対例

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 深層学習 ,  SAR画像 ,  ターゲット認識 ,  敵対 ,  攻撃