文献

J-GLOBAL ID：202002262826293307   整理番号：20A0901217

距離Doppler時間点を用いた人間行動解析のための三次元深層学習フレームワーク【JST・京大機械翻訳】

A Three-Dimensional Deep Learning Framework for Human Behavior Analysis Using Range-Doppler Time Points

著者 (5件)： Du Hao (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Jin Tian (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Song Yongping (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Dai Yongpeng (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Li Meng (Institute of Public Safety Research, Tsinghua University, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 17  号： 4  ページ： 611-615  発行年： 2020年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 深いニューラルネットワークは,レーダに基づく人間活動解析応用において有望であることを示した。入力としてマイクロDopplerスペクトログラムまたはレンジプロファイルを取り込んだ既存の深い学習モデルと異なり,提案した方法は,3D方法でマイクロモーションシグネチャを処理することができる。このレターでは,最初にレーダエコーを距離Doppler(RD)時間点に変換し,次にRD PointNetと呼ばれる設計された3Dネットワークを介して点集合を直接処理する。実際に,著者らのポイントモデルは運動軌跡の離散表現である。この定量的モデルを通して,人間の運動プロファイルと時間的変動を同時に捉えるために,三次元ネットワークを使用することができる。運動捕捉シミュレーションと超広帯域レーダ測定は,提案したフレームワークが画像ベースの方法と比較して,優れた分類精度と雑音ロバスト性を達成できることを示した。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： 雑音 ,  シミュレーション ,  レーダ ,  学習モデル ,  ネットワーク ,  ニューラルネットワーク ,  経時変化 ,  捕獲 ,  *三次元 ,  ロバスト性
準シソーラス用語： 人間活動 ,  スペクトログラム ,  分類精度 ,  行動解析 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： レーダ  (ND13010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 人間 ,  行動解析 ,  深層学習 ,  フレームワーク