文献

J-GLOBAL ID：202202281128129569   整理番号：22A0397396

シミュレーションデータを用いたタスク駆動ドメイン適応に基づくSAR目標認識【JST・京大機械翻訳】

SAR Target Recognition Based on Task-Driven Domain Adaptation Using Simulated Data

著者 (4件)： He Qishan (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, National University of Defense Technology, Changsha, China) ,  Zhao Lingjun (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, National University of Defense Technology, Changsha, China) ,  Ji Kefeng (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, National University of Defense Technology, Changsha, China) ,  Kuang Gangyao (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, 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.4019205.1-5  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)画像は撮像条件に非常に敏感である。しかし,SAR自動ターゲット認識(ATR)における深層学習(DL)モデルの大多数は,訓練とテストデータの間の画像条件の巨大なギャップが認識性能をひどく劣化するので,光画像分類タスクを扱うものに類似した強化ネットワーク構造を採用する。フレームワークの主なアイデアは,訓練と試験データの間のドメイン不一致を除くために,DL訓練段階にSAR画像条件情報を導入することである。このフレームワークに基づいて,訓練とテストデータ間の鬱病角の分散に起因する認識の劣化を軽減することができるタスク駆動ドメイン適応(TDDA)転送学習法を提案した。方法に事前の画像情報を導入するために,シミュレートしたSARデータを,既知の訓練と試験SAR画像パラメータを用いて,個々の点散乱の地形モデルに模擬物体レーダ反射率を加えることによって最初に得た。次に,ドメイン混乱計量と教師つき分類損失を,それぞれ,意味的に意味があり,ドメイン不変量である表現を学習するために,シミュレーションデータとソース訓練データに関して計算した。移動と静止ターゲット取得と認識(MSTAR)データセットの比較実験は,提案方法が他の方法より良い認識性能を得ることができることを証明した。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： 散乱 ,  *シミュレーション ,  学習 ,  ネットワーク構造 ,  *物体認識 ,  うつ病 ,  不変量 ,  比較試験 ,  カオス ,  合成開口レーダ
準シソーラス用語： 訓練データ ,  画像分類 ,  SAR画像 ,  自動ターゲット認識 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： シミュレーション ,  タスク ,  ドメイン適応 ,  SAR ,  目標認識