文献

J-GLOBAL ID：202002291679470248   整理番号：20A1612739

合成開口レーダ画像のための深層学習ベース説明可能目標分類【JST・京大機械翻訳】

Deep learning-based explainable target classification for synthetic aperture radar images

著者 (3件)： Mandeep (Thapar Institute of Engg. & Tech.,Computer Science and Engineering Department,Patiala,India) ,  Pannu Husanbir Singh (Thapar Institute of Engg. & Tech.,Computer Science and Engineering Department,Patiala,India) ,  Malhi Avleen (Aalto University,Computer Science Department,Finland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： HSI  ページ： 34-39  発行年： 2020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： 深層学習は,決定を行うためのヒト脳を模倣する能力に対して広く有用である。特徴を自動的に抽出でき,複雑な画像データベースを含む分類と回帰問題に対するモデルを訓練できる。本論文では,合成開口レーダ(SAR)データベースを用いたターゲット認識のための畳込みニューラルネットワーク(CNN)を用いた画像分類を,得られた結果を正当化するために,説明可能な人工知能(XAI)と共に提示した。本研究では,SAR画像の特殊型であるMSTARデータセット上の様々なCNNアーキテクチャを実験した。ターゲット分類の精度は,CNNにおける与えられたパラメータオプションを有する基礎となる前処理されたMSTARデータベースに対して,ほぼ98.78%であった。XAIは,関心領域の理由に決定境界をマーキングすることにより,試験画像の正当化を説明するために組み込まれた。このように,XAIベースの画像分類は,自動で透明な学習システムのためのロバストプロトタイプであり,一方,ソフトコンピューティングと人間の知覚の間の意味ギャップを減らす。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： データベース ,  マーキング ,  ヒト ,  物体認識 ,  人工知能 ,  計算機アーキテクチャ ,  *合成開口レーダ ,  ロバスト性 ,  画像データベース
準シソーラス用語： 画像分類 ,  学習支援システム ,  *SAR画像 ,  関心領域 ,  *深層学習 ,  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)： 合成開口レーダ画像 ,  深層学習 ,  説明 ,  目標 ,  分類