文献

J-GLOBAL ID：202202212871176408   整理番号：22A0397361

SAR目標認識のための新しいグラフメタ学習法【JST・京大機械翻訳】

A Novel Graph Metalearning Method for SAR Target Recognition

著者 (6件)： Li Liupeng (Ministry of Education Key Laboratory of Intelligent and Network Security, Faculty of Electronic and Information Engineering, School of Automation Science and Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Liu Jing (Ministry of Education Key Laboratory of Intelligent and Network Security, Faculty of Electronic and Information Engineering, School of Automation Science and Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Su Liyu (Ministry of Education Key Laboratory of Intelligent and Network Security, Faculty of Electronic and Information Engineering, School of Automation Science and Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Ma Chaoqun (Ministry of Education Key Laboratory of Intelligent and Network Security, Faculty of Electronic and Information Engineering, School of Automation Science and Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Li Bingye (Ministry of Education Key Laboratory of Intelligent and Network Security, Faculty of Electronic and Information Engineering, School of Automation Science and Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Yu Yifan (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4015705.1-5  発行年： 2022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： 深層ニューラルネットワークを合成開口レーダ自動ターゲット認識(SAR-ATR)に適用した。関連する方法の高性能は大量の訓練データに依存する。しかし,実際の応用では,SARデータの収集は,高価で時間のかかるプロセスであり,訓練に利用できるデータはほとんどない。限られた訓練データによる認識は,SAR-ATRにおける必須問題になった。この問題を解決するため,グラフニューラルネットワークをメタラーニングと組合せ,少数のラベル付きSAR画像を用いてSARターゲットを認識する新しいグラフメタ学習法を提案した。最初に,著者らは,特徴抽出器パラメータの形で,メタ知識を取得するために,模擬SARデータを使用した。次に,特徴抽出器を用いて,ラベル付きおよびラベルなし実SAR画像を埋込みベクトルに符号化した。第二に,埋込みベクトルを完全接続グラフとして構築し,各ノードは画像を表し,各エッジは二つのノード間の類似性である。近傍集合によってグラフを反復更新した後に,ノードの新しい表現とそれらの関係を得た。最後に,ラベルなし画像のノードとエッジ情報を融合することにより,ターゲットクラスに関する予測分布を生成した。実験結果は,いくつかの訓練データによる認識精度における提案方法の優位性を実証した。Copyright 2022 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： ベクトル ,  *学習 ,  ニューラルネットワーク ,  特徴抽出 ,  *物体認識 ,  類似性 ,  合成開口レーダ
準シソーラス用語： 訓練データ ,  *メタ学習 ,  認識精度 ,  SAR画像 ,  自動ターゲット認識 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

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 (4件)： SAR ,  目標認識 ,  グラフ ,  メタ学習