文献

J-GLOBAL ID：202202255863313541   整理番号：22A0482377

地中レーダにおける埋設脅威検出のための新しい畳込みオートエンコーダベースクラッタ除去法【JST・京大機械翻訳】

A Novel Convolutional Autoencoder-Based Clutter Removal Method for Buried Threat Detection in Ground-Penetrating Radar

著者 (2件)： Temlioglu Eyyup (Department of Electronics and Telecommunications Engineering, Istanbul Technical University, Istanbul, Turkey) ,  Erer Isin (Department of Electronics and Telecommunications Engineering, Istanbul Technical University, Istanbul, Turkey)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5103313.1-13  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： 地中レーダ(GPR)システムで遭遇するクラッタは,表面下ターゲット検出法の性能に深刻な影響を与える。畳込みオートエンコーダ(CAEs)に基づく新しいクラッタ除去方法を紹介した。生のGPR画像を逐次畳込みとプール層を通してコード化して,次に,クラッタフリーGPR画像を提供するために解読した。損失関数を参照クラッタフリーターゲット画像で定義し,復号器出力を最適化して生データから重み係数を学習した。本方法を,従来の部分空間法,最近提案された非負行列因数分解,ならびに低ランクおよびスパース分解(LRSD)法,および辞書分離ベースの形態学的成分分析と比較した。CAEとそのより深いバージョン深いCAE(DCAE)は,電磁シミュレーションツールgprMaxによって生成されたいくつかのシナリオによって訓練される。シミュレーション結果は,挑戦的なシナリオに対して提案した方法の有効性を実証した。実GPR画像では,模擬データ訓練ネットワークは,乾燥事例ではLRSD法の背後にわずかに残っていたが,より挑戦的な湿式事例では,前述の処理技術よりも性能が優れていた。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： 最適化 ,  シミュレーション ,  *畳込み ,  損失関数 ,  ネットワーク ,  復号器 ,  *埋設 ,  *クラッタ ,  有効性 ,  *地中レーダ ,  部分空間法 ,  モルフォロジー
準シソーラス用語： ターゲット検出 ,  成分分析 ,  非負行列因子分解 , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (5件)： 地中レーダ ,  埋設 ,  脅威 ,  畳込み ,  除去法