文献

J-GLOBAL ID：202102296949522058   整理番号：21A0274261

スクラッチからのSAR船舶検出のための非対称畳込みベースニューラルネットワーク【JST・京大機械翻訳】

Asymmetric Convolution-Based Neural Network for SAR Ship Detection from Scratch

著者 (4件)： Han Long (Space Engineering University, Beijing China) ,  Ran Da (Space Engineering University, Beijing China) ,  Ye Wei (Space Engineering University, Beijing China) ,  Wu Xu (The Unit 32359 of PLA Xining China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICCPR 2020  ページ： 90-95  発行年： 2020年 
JST資料番号： D0698C  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： 近年,合成開口レーダ(SAR)研究者の数の増加は,移動学習技術によるSAR船舶検出の分野に畳み込みニューラルネットワーク(CNN)ベースの光学画像オブジェクト検出方法を適用し,良好な性能を達成した。しかしながら,そのようなアプローチは,初期化のために事前訓練モデルを負荷する必要があり,CNNの構造は固定され,改善と最適化は,ほとんどない。そのうえ,SAR船舶検出にはドメイン不整合があり,検出性能をある程度制限する。本論文では,任意の物体検出法,即ち,非対称および正方形畳込み特徴凝集ブロック(A-S AB)および非対称および正方形畳込み特徴融合ブロック(A-S FB)に容易に埋め込むことができる2つの非対称畳込みブロックを設計し,それぞれA-S ABおよびA-S FBで3×3畳込み層の全てを置き換えることにより,古典的DSODにそれらを埋め込んだ。RDISD_SARデータセットに関する実験は,A-S ABが平均精度(AP)の2.86%の利得に寄与し,一方,パラメータ数と計算量を著しく低減することを示した。A-S FBは0.2,0.3,0.5,0.6のチャネル減衰因子で約1.00%AP利得に寄与し,パラメータ数と計算量も様々な程度に縮小した。オリジナルのDSODと比較して,本論文で設計した2つの構造の良い性能は明白である。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 凝集 ,  最適化 ,  *畳込み ,  学習 ,  *船舶 ,  *非対称性 ,  計算量 ,  利得 ,  不整合 ,  光学画像 ,  チャネル ,  合成開口レーダ
準シソーラス用語： 物体検出 ,  *スクラッチ ,  特徴融合 , 【Automatic Indexing@JST】

著者キーワード (3件)： 船舶検出 ,  非対称畳込みSAR画像 ,  スクラッチ

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： スクラッチ ,  SAR ,  船舶 ,  非対称 ,  畳込み ,  ニューラルネットワーク