文献

J-GLOBAL ID：202202217411659207   整理番号：22A0779450

大規模SAR画像における複雑な背景を持つマルチスケール船舶検出のためのロバストな1段検出器【JST・京大機械翻訳】

A Robust One-Stage Detector for Multiscale Ship Detection With Complex Background in Massive SAR Images

著者 (4件)： Yang Xi (State Key Laboratory of Integrated Services Networks, School of Telecommunications Engineering, Xidian University, Xi’an, China) ,  Zhang Xin (State Key Laboratory of Integrated Services Networks, School of Telecommunications Engineering, Xidian University, Xi’an, China) ,  Wang Nannan (State Key Laboratory of Integrated Services Networks, School of Telecommunications Engineering, Xidian University, Xi’an, China) ,  Gao Xinbo (State Key Laboratory of Integrated Services Networks, School of Electronic Engineering, Xidian University, Xi’an, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5217712.1-12  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 合成開口レーダ(SAR)イメージングと深層学習の開発によって,畳込みニューラルネットワーク(CNN)に基づくSAR船舶検出は,ここ数年,広範囲に応用されてきた。それにもかかわらず,SAR船舶検出には2つの主な障害がある。1)SAR画像は,土地面積からの干渉,周辺バックグラウンドからの船舶オブジェクトの識別を困難にすること,および2)船舶物体のマルチスケール特性により,検出結果に多数の偽陰性があり,特に小さな物体に対して,多くの偽陰性がある。上記の問題を軽減するために,スケール変化および様々な干渉に対して強いロバスト性を持つ1段船舶検出器を提案した。最初に,複雑なバックグラウンドからの外乱を緩和するために,座標注意モジュール(CoAM)を,船舶オブジェクトを正確に位置決めし,識別するためのより代表的な意味特徴を得るために導入した。第2に,多様なスケールを有する船舶のための検出性能を改善するために,マルチスケール文脈情報を捕えるために,受容野増加モジュール(RFIM)を考案した。最後に,いくつかの公開SARデータセット,すなわち,SAR-Ship-Dataset,高分解能SAR画像データセット(HRSID),およびSAR船舶検出データセット(SSDD)に対する著者らの方法のロバスト性を検証した。実験結果は,提案方法が,HRSIDに関して少なくとも2.6%のAP50によって,他の最先端の方法を超える競合性能を有することを示した。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： 検出 ,  バックグラウンド ,  *船舶 ,  ニューラルネットワーク ,  画像処理 ,  土地 ,  検出器 ,  高分解能 ,  *レーダ画像 ,  合成開口レーダ ,  *ロバスト性 ,  機械学習
準シソーラス用語： 文脈情報 ,  *マルチスケール ,  検出能 ,  *SAR画像 ,  深層学習 ,  畳込み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) ,  レーダ  (ND13010H)

タイトルに関連する用語 (7件)： 大規模 ,  SAR画像 ,  背景 ,  マルチスケール ,  船舶 ,  ロバスト ,  検出器