| 講演名 | 2018-01-25 Deep Learning for End-to-End Automatic Target Recognition from Synthetic Aperture Radar Imagery 古川 英俊(東芝インフラシステムズ), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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． |
| 抄録(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 |
| キーワード(英) | automatic target recognition (ATR) / multiple targets / detection / classification / pose estimation / convolutional neural network (CNN) / deep learning / synthetic aperture radar (SAR) |
| 資料番号 | SANE2017-92 |
| 発行日 | 2018-01-18 (SANE) |
| 研究会情報 | |
| 研究会 | SANE |
|---|---|
| 開催期間 | 2018/1/25(から2日開催) |
| 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 |
| 委員長氏名（和） | 福島 荘之介(電子航法研) |
| 委員長氏名（英） | Sonosuke Fukushima(ENRI) |
| 副委員長氏名（和） | 森山 敏文(長崎大) / 灘井 章嗣(NICT) |
| 副委員長氏名（英） | Toshifumi Moriyama(Nagasaki Univ.) / Akitsugu Nadai(NICT) |
| 幹事氏名（和） | 小幡 康(三菱電機) / 毛塚 敦(電子航法研) |
| 幹事氏名（英） | Yasushi Obata(Mitsubishi Electric) / Atsushi Kezuka(ENRI) |
| 幹事補佐氏名（和） | 秋田 学(電通大) / 夏秋 嶺(東大) |
| 幹事補佐氏名（英） | Manabu Akita(Univ. of Electro-Comm.) / Ryo Natsuaki(Univ. of Tokyo) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Space, Aeronautical and Navigational Electronics |
|---|---|
| 本文の言語 | ENG |
| 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（和） | |
| 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） | 古川 英俊 / Hidetoshi Furukawa |
| 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) |
| 発表年月日 | 2018-01-25 |
| 資料番号 | SANE2017-92 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | SANE-403 |
| ページ範囲 | pp.35-40(SANE), |
| ページ数 | 6 |
| 発行日 | 2018-01-18 (SANE) |