文献

J-GLOBAL ID：202202239030732585   整理番号：22A0397376

新しいハイブリッドSiamesネットワークを用いたワンショット学習ベースSAR船舶分類【JST・京大機械翻訳】

One-Shot Learning-Based SAR Ship Classification Using New Hybrid Siamese Network

著者 (3件)： Raj J. Anil (Department of Computer Science, Cochin University of Science and Technology, Kochi, India) ,  Idicula Sumam Mary (Department of Computer Science, Cochin University of Science and Technology, Kochi, India) ,  Paul Binu (Division of Electronics, School of Engineering, Cochin University of Science and Technology, Kochi, India)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4017205.1-5  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： 合成開口レーダ(SAR)船舶分類研究は,主に独特の特徴を有する大型船舶に焦点を合わせる。また,船型は今日拡大している。伝統的標準画像分類技術は,いくつかのクラス(非平衡データ)で利用可能なデータが少ないため,SAR船の効果的分類には適していない。スクラッチから構築した1ショット学習ベース深層学習モデルを導入し,16の船舶クラスを分類し,これらを解いた。それはサイズ20の埋込みを生み出して,分類のために距離測定を使用する。また,分類精度を改善するために前処理段階(PP段階)と特徴融合(FF段階)技術を提案した。船舶分類のためのOpenSARShipデータセットに関する実験結果は,精度が他の最先端のSAR画像分類器より優れていることを明らかにした。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： *学習 ,  *ネットワーク ,  *船舶 ,  船型 ,  前処理 ,  非平衡状態 ,  粒状材 ,  距離測定 ,  合成開口レーダ
準シソーラス用語： 画像分類 ,  分類精度 ,  SAR画像 ,  スクラッチ ,  特徴融合 ,  深層学習 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  音響信号処理  (BB03050C) ,  レーダ  (ND13010H)

タイトルに関連する用語 (5件)： ショット ,  学習 ,  SAR ,  船舶 ,  分類