| 大会名称 |
|---|
| 2023年 総合大会 |
| 大会コ－ド |
| 2023G |
| 開催年 |
| 2023 |
| 発行日 |
| 2023-02-28 |
| セッション番号 |
| B-2 |
| セッション名 |
| 宇宙・航行エレクトロニクス |
| 講演日 |
| 2023/3/7 |
| 講演場所(会議室等) |
| 3号館 3401教室 |
| 講演番号 |
| B-2-2 |
| タイトル |
| 合成開口レーダの振幅と位相を入力とするニューラルネットワークによる物体識別に関する検討 |
| 著者名 |
| ○西村勇希, 関谷亮太, 森 浩樹, |
| キーワード |
| ミリ波, 合成開口レーダ, ニューラルネットワーク, 物体識別 |
| 抄録 |
|
近年, 合成開口レーダ像を用いた物体認識タスクへ, CNN (Convolutional Neural Network)を適用する研究が行われており, 対象物の反射成分の内, 振幅情報を画像化しCNNの入力としている. しかし, 対象からの反射成分には, 同時に位相情報も含まれており, 振幅情報と位相情報を合わせて, CNNの入力とすることでより高い認識精度を達成することが期待される. 本稿では, 合成開口レーダ像の振幅情報のみを入力とするA (Amplitude)-CNN, 位相情報のみを入力とするP (Phase)-CNN, 振幅情報と位相情報を入力とするAP (Amplitude Phase)-CNNを実装した. また, SAR像の入力情報の違いによる物体識別精度を比較した. 結果, 振幅成分と位相成分を入力とするAP-CNNが最も認識精度が高く, より少数の層数, 少数の訓練データ数でも高い認識精度を達成することを確認した. |
| 本文pdf |
|
PDF download
|