文献

J-GLOBAL ID：202202233928067128   整理番号：22A0913239

AFSar:マルチスケール強化表現学習に基づくアンカーフリーSAR目標検出アルゴリズム【JST・京大機械翻訳】

AFSar: An Anchor-Free SAR Target Detection Algorithm Based on Multiscale Enhancement Representation Learning

著者 (9件)： Wan Huiyao (Key Laboratory of Intelligent Computing and Signal Processing, Ministry of Education, School of Electronics and Information Engineering, Anhui University, Hefei, China) ,  Chen Jie (Key Laboratory of Intelligent Computing and Signal Processing, Ministry of Education, School of Electronics and Information Engineering, Anhui University, Hefei, China) ,  Huang Zhixiang (Key Laboratory of Intelligent Computing and Signal Processing, Ministry of Education, School of Electronics and Information Engineering, Anhui University, Hefei, China) ,  Xia RunFan (Key Laboratory of Intelligent Computing and Signal Processing, Ministry of Education, School of Electronics and Information Engineering, Anhui University, Hefei, China) ,  Wu BoCai (38th Research Institute, China Electronics Technology Group Corporation, Hefei, China) ,  Sun Long (38th Research Institute, China Electronics Technology Group Corporation, Hefei, China) ,  Yao Baidong (38th Research Institute, China Electronics Technology Group Corporation, Hefei, China) ,  Liu Xiaoping (38th Research Institute, China Electronics Technology Group Corporation, Hefei, China) ,  Xing Mengdao (National Laboratory of Radar Signal Processing and the Collaborative Innovation Center of Information Sensing and Understanding, 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.5219514.1-14  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： 光学画像と異なり,合成開口レーダ(SAR)画像は,少数のサンプル,強い散乱,スパース性,多重スケール,複雑な干渉とバックグラウンド,および目立たないターゲットエッジ輪郭情報のようなユニークな特性を持っている。現在のSARターゲット検出アルゴリズムは,精度と速度のバランスをとるのが困難であり,これらのアルゴリズムの性能は,比較的限られ,その結果,実際の応用を展開するのを困難にする。この目的のために,本論文では,マルチスケール強化表現学習に基づく革新的アンカーフリーSARターゲット検出アルゴリズムを提案したAFSarを提案した。最初に,基本フレームワークとして最新のアンカーフリーアーキテクチャYOLOXを導入した。第二に,モデルの計算量を減らし,マルチスケール特徴抽出の能力を改善するために,軽量バックボーン,すなわちMobileNetV2Sを再設計した。さらに,CSEMPANと呼ばれる注意増強PANモジュールを提案し,チャネルと空間注意機構を統合することによりSARターゲットのユニークな強い散乱特性を明らかにした。最後に,SARターゲットのマルチスケールと強いスパース特性を考慮して,新しいターゲット検出ヘッド,すなわちESPHEadを提案した。ESPHEadは,異なるスケールを有する標的に対するモデルの検出能力を高めるために,異なる拡張率を有する拡張畳込みを用いて,異なるスケールを有する標的の特徴を抽出した。SSDDデータセットに関するアブレーション実験の結果は,著者らのアルゴリズムのmAPが0.977に達し,一方,Flopsは9.86Gだけであり,最先端の状態を達成することを示した。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： *アルゴリズム ,  ターゲット ,  畳込み ,  バックグラウンド ,  特徴抽出 ,  画像 ,  計算量 ,  光学画像 ,  性質 ,  *規模 ,  チャネル ,  アブレーション ,  合成開口レーダ
準シソーラス用語： スパース性 ,  *マルチスケール ,  散乱特性 ,  *検出アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： マルチスケール ,  強化 ,  表現学習 ,  アンカー ,  SAR ,  目標 ,  検出アルゴリズム