| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2018-01-25 14:50 Deep Learning for End-to-End Automatic Target Recognition from Synthetic Aperture Radar Imagery ○Hidetoshi Furukawa（Toshiba Infrastructure Systems & Solutions）  SANE2017-92 |
|
| 抄録 | （和） | 合成開口レーダ（SAR）自動目標認識（ATR）の標準アーキテクチャーは，検出，識別及び分類の3つの段階から構成される．近年，SAR ATR用畳み込みニューラルネットワーク（CNN）が提案されているが，そのほとんどは，SAR ATRの第3段階の分類として，SAR画像から抽出されたターゲットチップから目標クラスを分類している．本報告では，SAR画像からのEnd-to-End ATRのために，新しいCNNを提案する．検証支援ネットワーク（VersNet）という名のCNNは，SAR ATRの3つの段階全てをEnd-to-Endに行なう．VersNetは，複数クラス及び複数目標が存在する任意のサイズのSAR画像を入力し，検出した各目標の位置，クラス及び姿勢を表わすSAR ATR画像を出力する．本報告は，MSTARデータセットを用いて，ピクセル毎に全12クラス（10の目標クラス，目標の前面クラス及び背景クラス）のスコアを出力するように学習したVersNetの評価結果について述べる． |
| （英） | The standard architecture of synthetic aperture radar (SAR) automatic target recognition (ATR) consists of three stages: detection, discrimination, and classification. In recent years, convolutional neural networks (CNNs) for SAR ATR have been proposed, but most of them classify target classes from a target chip extracted from SAR imagery, as a classification for the third stage of SAR ATR. In this report, we propose a novel CNN for end-to-end ATR from SAR imagery. The CNN named verification support network (VersNet) performs all three stages of SAR ATR end-to-end. VersNet inputs a SAR image of arbitrary sizes with multiple classes and multiple targets, and outputs a SAR ATR image representing the position, class, and pose of each detected target. This report describes the evaluation results of VersNet which trained to output scores of all 12 classes: 10 target classes, a target front class, and a background class, for each pixel using the moving and stationary target acquisition and recognition (MSTAR) public dataset. | |
| キーワード | （和） | 自動目標認識 / 複数目標 / 検出 / 分類 / 姿勢推定 / 畳み込みニューラルネットワーク / 深層学習 / 合成開口レーダ |
| （英） | automatic target recognition (ATR) / multiple targets / detection / classification / pose estimation / convolutional neural network (CNN) / deep learning / synthetic aperture radar (SAR) | |
| 文献情報 | 信学技報, vol. 117, no. 403, SANE2017-92, pp. 35-40, 2018年1月. | |
| 資料番号 | SANE2017-92 | |
| 発行日 | 2018-01-18 (SANE) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SANE2017-92 |
|
| 研究会情報 | |
| 研究会 | SANE |
| 開催期間 | 2018-01-25 - 2018-01-26 |
| 開催地（和） | 長崎県美術館 |
| 開催地（英） | Nagasaki Prefectural Art Museum |
| テーマ（和） | 測位・航法，レーダ及び一般 |
| テーマ（英） | Positioning, navigation, Radar and general |
| 講演論文情報の詳細 | |
| 申込み研究会 | SANE |
| 会議コード | 2018-01-SANE |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Deep Learning for End-to-End Automatic Target Recognition from Synthetic Aperture Radar Imagery |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 自動目標認識 / automatic target recognition (ATR) |
| キーワード(2)（和/英） | 複数目標 / multiple targets |
| キーワード(3)（和/英） | 検出 / detection |
| キーワード(4)（和/英） | 分類 / classification |
| キーワード(5)（和/英） | 姿勢推定 / pose estimation |
| キーワード(6)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network (CNN) |
| キーワード(7)（和/英） | 深層学習 / deep learning |
| キーワード(8)（和/英） | 合成開口レーダ / synthetic aperture radar (SAR) |
| 第1著者 氏名（和/英/ヨミ） | 古川 英俊 / Hidetoshi Furukawa / フルカワ ヒデトシ |
| 第1著者 所属（和/英） | 東芝インフラシステムズ株式会社 (略称： 東芝インフラシステムズ) Toshiba Infrastructure Systems & Solutions Corporation (略称： Toshiba Infrastructure Systems & Solutions) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2018-01-25 14:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SANE |
| 資料番号 | SANE2017-92 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.403 |
| ページ範囲 | pp.35-40 |
| ページ数 | 6 |
| 発行日 | 2018-01-18 (SANE) |
[研究会発表申込システムのトップページに戻る]