| 大会名称 |
| 2016年 ソサイエティ大会 |
| 大会コ－ド |
| 2016S |
| 開催年 |
|
2016
|
| 発行日 |
|
2016-09-06
|
| セッション番号 |
|
CS-2
|
| セッション名 |
|
コンピュータアーキテクチャを考慮したシミュレーション技術の最新動向
|
| 講演日 |
|
2016/9/21
|
| 講演場所(会議室等) |
|
工学部 N棟 N303
|
| 講演番号 |
|
CS-2-4
|
| タイトル |
|
ディープラーニングによる地中レーダ物体識別のためのGPUクラスタを用いたFDTD法による学習用レーダ画像生成
|
| 著者名 |
|
○園田 潤, 木本智幸, 昆 太一,
|
| キーワード |
|
GPU, GPUクラスタ, FDTD法, 地中レーダ, ディープラーニング, 深層学習
|
| 抄録 |
|
地中レーダの画像認識においてもニューラルネットワークによる機械判定が研究されている．近年，ニューラルネットワークを多層化したディープラーニングが注目されており，自ら特徴を抽出し多層のネットワーク構造で学習することで高精度の認識が可能になる利点がある．一方，大量の学習データが必要になる点や多層構造のため学習に膨大な時間を要する問題がある．地中レーダにおいてもディープラーニングを適用することで物体抽出等の自動化・高精度化が期待されるが，大量のデータを用意する問題がある．地中レーダでは，パラメータを変えた数多くの実験は現実には困難であるので，FDTD法によるシミュレーションが有効であるが，FDTD法は計算時間がかかる問題がある．そこで本研究では，ディープラーニングを用いた地中レーダ画像から物体抽出・識別を目的として，GPUを複数台使用するGPUクラスタのタスク並列によるFDTD法を用いた数万規模の学習データ生成について述べる．
|
| 本文pdf |
|
PDF download
|
