文献

J-GLOBAL ID：202202290165929268   整理番号：22A0779428

深層畳込みニューラルネットワークを用いた海面小ターゲットのマルチフレーム検出【JST・京大機械翻訳】

Multiframe Detection of Sea-Surface Small Target Using Deep Convolutional Neural Network

著者 (3件)： Wen Liwu (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China) ,  Ding Jinshan (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China) ,  Xu Zhong (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5107116.1-16  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： 海面小型ターゲット検出は海洋レーダにとって挑戦的である。残念なことに,従来の検出法はしばしば複雑な海洋環境と低信号対クラッタ比(SCR)に制限される。本論文は,深い畳み込みニューラルネットワークを用いて海面小型ターゲットのためのマルチフレーム検出手法を提示する。移動ターゲットを再構成し,逐次範囲オレイルドドップラー(RD)スペクトルから検出した。2段階検出フレームワークを提案し,そこでは,フレーム内およびフレーム間検出を,移動目標と海面クラッタの間の特徴およびフレーム間相関の差を用いてそれぞれ達成した。提案方法は,従来のマルチフレーム検出アルゴリズムより良い検出性能を示す,シミュレーションおよび実際の海面小型ターゲットの両方について検証した。さらに,この方法は許容できる一般化能力を示した。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： アルゴリズム ,  *検出 ,  *ターゲット ,  レーダ ,  信号 ,  海面クラッタ ,  海洋環境 ,  *海面 ,  スペクトル ,  検出法 ,  再構成 ,  クラッタ
準シソーラス用語： ターゲット検出 ,  海洋レーダ ,  検出アルゴリズム ,  移動目標 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (4件)： 深層畳込みニューラルネットワーク ,  海面 ,  ターゲット ,  マルチフレーム