文献

J-GLOBAL ID：202202283442137570   整理番号：22A0287588

ハイブリッドチャネル特徴損失を有するCNNに基づく二重偏波SAR船舶粒度分類【JST・京大機械翻訳】

Dual-Polarized SAR Ship Grained Classification Based on CNN With Hybrid Channel Feature Loss

著者 (7件)： Zeng Liang (Department of Electronic Engineering, Tsinghua University, Beijing, China) ,  Zhu Qingtao (Department of Electronic Engineering, Tsinghua University, Beijing, China) ,  Lu Danwei (Department of Electronic Engineering, Tsinghua University, Beijing, China) ,  Zhang Tao (Department of Electronic Engineering, Tsinghua University, Beijing, China) ,  Wang Hongmiao (Department of Electronic Engineering, Tsinghua University, Beijing, China) ,  Yin Junjun (Department of Electronic Engineering, Tsinghua University, Beijing, China) ,  Yang Jian (Department of Electronic Engineering, Tsinghua University, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4011905.1-5  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： このレターは,二重偏波合成開口レーダ(SAR)船舶粒子分類のための新しい畳込みニューラルネットワーク(CNN)法を提案した。このネットワークは,偏波チャネル(VVとVH)に含まれる情報を同時に利用するハイブリッドチャネル特徴損失を採用する。提案したCNNフレームワークと新しい損失関数を採用することによって,分類性能を効率的に改良できることを示した。第1に,通常用いられる3倍または4倍分割(コンテナ船,オイルタンカー,バルクキャリアなど)の代わりに,提案方法は,さらに血管を8つの正確なカテゴリーに分割できる。第2に,この方法はターゲットを8つのカテゴリーに効果的に分類できるだけでなく,より少ないカテゴリ分類に関してその精度も既存の方法を凌駕する。第3に,この方法は小さな訓練データセットで良い性能を達成できる。OpenSARShipデータセットで行った実験は,提案した分類法が最先端の結果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： 損失関数 ,  ネットワーク ,  分類 ,  血管 ,  *船舶 ,  コンテナ船 ,  ばら積貨物船 ,  ニューラルネットワーク ,  精度 ,  原油タンカ ,  *偏波 ,  チャネル ,  合成開口レーダ
準シソーラス用語： 訓練データ ,  *二重偏波 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (4件)： 無線通信一般  (ND08010L) ,  計算機網  (JC03000K) ,  音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： チャネル ,  損失 ,  CNN ,  二重偏波 ,  SAR ,  船舶 ,  粒度 ,  分類