文献

J-GLOBAL ID：202102234003170516   整理番号：21A1253806

小サンプルSAR画像認識のための自己注意力マルチスケール特徴融合ネットワーク【JST・京大機械翻訳】

Self-attention Multiscale Feature Fusion Network for Small Sample SAR Image Recognition

著者 (4件)： Ying Zilu (五邑大学智能制造学部,广東江門529020) ,  Xuan Chen (五邑大学智能制造学部,广東江門529020) ,  Zhai Yikui (五邑大学智能制造学部,广東江門529020) ,  Wang Faguan (五邑大学智能制造学部,广東江門529020)
資料名： Xinhao Chuli  (Xinhao Chuli)
巻： 36  号： 11  ページ： 1846-1858  発行年： 2020年 
JST資料番号： C2154A  ISSN： 1003-0530  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 合成開口レーダ(SAR)画像ラベルは大量に入手できないため、大量の小サンプルSARデータセットが存在する。SAR画像はスペックルノイズを満たし、直接畳込みニューラルネットワーク(ConvolutionalNeuralNetwork,CNN)を小サンプルSARデータセットに応用することは有効な特徴を抽出することが難しい。上記の問題を解決するために,小サンプルSAR画像認識のための自己注意力多重スケール特徴融合ネットワークを提案した。まず第一に,自己注意力機構とヘリコプターモジュールを組合せて,自己注意力のHailingモジュールを構築して,古典的コンボリューション操作の代わりに,このモジュールを用いて,SAR画像特徴を抽出した。次に,多重スケール情報融合ブランチを構築するため,ネットワークにチャネル混合ユニットを追加した。最後に,知識蒸留を導入して,設計したネットワークを圧縮し,ネットワークパラメータ量をさらに制御した。実験結果は,提案した方式が,異なる動作条件の下で,MSTARデータセットに優れた認識性能を持ち,小サンプルSARデータセットで良好なロバスト性を持つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *ネットワーク ,  蒸留 ,  ヘリコプタ ,  チャネル ,  合成開口レーダ ,  ロバスト性
準シソーラス用語： *マルチスケール ,  *SAR画像 ,  スペックル雑音 ,  *特徴融合 , 【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 (6件)： サンプル ,  SAR画像 ,  自己 ,  注意力 ,  マルチスケール ,  特徴融合