文献

J-GLOBAL ID：202202261935222675   整理番号：22A0397344

マルチタスク学習に基づくSARターゲットのためのオープンセット認識法【JST・京大機械翻訳】

An Open Set Recognition Method for SAR Targets Based on Multitask Learning

著者 (6件)： Ma Xiaojie (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, College of Electronic Science, National University of Defense Technology, Changsha, China) ,  Ji Kefeng (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, College of Electronic Science, National University of Defense Technology, Changsha, China) ,  Zhang Linbin (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, College of Electronic Science, National University of Defense Technology, Changsha, China) ,  Feng Sijia (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, College of Electronic Science, National University of Defense Technology, Changsha, China) ,  Xiong Boli (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, College of Electronic Science, National University of Defense Technology, Changsha, China) ,  Kuang Gangyao (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, College of Electronic Science, National University of Defense Technology, Changsha, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4014005.1-5  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： 既存の合成開口レーダ(SAR)自動ターゲット認識(ATR)法のほとんどは,閉集合状況を目標とし,その中で,試験集合における目標のクラスを訓練セットで現れた。しかし,実際には,分類器は,非意味カテゴリからターゲットに遭遇し,それらを不正確に分類し,現在のSAR ATR技術に巨大な挑戦をもたらす。この問題を克服するために,本論文では,マルチタスク学習に基づくオープンセット認識(OSR)法を提案し,その方法を,生成敵対ネットワーク(GAN)から開発した。本質的に,この方法はOSRを2つのタスクに分解する:分類と異常検出。分類タスクは,閉じた集合状況におけるものと同じであり,一方,異常な検出タスクを用いて,ターゲットが,非セーンカテゴリーに属するかどうかを決定した。対応して,GANのネットワーク構造を修正して,他の完全接続ネットワークブランチを弁別器の最後に追加して,そこで,それは上記の2つのタスクを達成する能力を有した。最後に,2つのタスクの結果に従って,SARターゲットのOSRを実現できた。移動と静止ターゲット取得(MSTAR)データセットに関する実験結果は,提案方法が他のOSR方法より良い再現,精度,F1,および精度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： 弁別器 ,  *ネットワーク ,  ネットワーク構造 ,  合成開口レーダ
準シソーラス用語： 自動ターゲット認識 ,  *マルチタスク学習 , 【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 (3件)： マルチタスク学習 ,  SAR ,  ターゲット