| 講演名 | 2018-05-14 SAVERS: SAR ATR with Verification Support Based on Convolutional Neural Network 古川 英俊(*), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | エンドツーエンドの合成開口レーダ（SAR）自動目標認識（ATR）システムのために，コース／ファイン両方のセグメンテーションを行う新しい畳み込みニューラルネットワーク（CNN）を提案する．近年，深層学習を用いたSAR ATR用CNNが多く提案されているが，そのほとんどはSAR画像から抽出された固定サイズのターゲットチップから目標クラスを分類している．これに対して我々は，任意サイズ・複数目標のSAR画像からファインセグメンテーションによりピクセルごとに複数の目標クラスと背景クラスのスコアを出力するCNNを提案した．しかし，目標の識別はCNNのセグメンテーション出力から判断する必要があった．本稿では領域単位（すなわち，コース）セグメンテーションとピクセル単位セグメンテーションを行うSAVERS（SAR ATR with Verification Support）と呼ばれるCNNを提案する．SAVERSはコースセグメンテーションにより目標と非目標を識別し，複数の目標クラスと非目標クラスを分類する．本稿ではMSTARデータセットを用いたSAVERSの評価結果を報告する． |
| 抄録(英) | We propose a new convolutional neural network (CNN) which performs coarse and fine segmentation for end-to-end synthetic aperture radar (SAR) automatic target recognition (ATR) system. In recent years, many CNNs for SAR ATR using deep learning have been proposed, but most of them classify target classes from fixed size target chips extracted from SAR imagery. On the other hand, we proposed the CNN which outputs the score of the multiple target classes and a background class for each pixel from the SAR imagery of arbitrary size and multiple targets as fine segmentation. However, it was necessary for humans to judge the CNN segmentation result. In this report, we propose a CNN called SAR ATR with verification support (SAVERS), which performs region-wise (i.e. coarse) segmentation and pixel-wise segmentation. SAVERS discriminates between target and non-target, and classifies multiple target classes and non-target class by coarse segmentation. This report describes the evaluation results of SAVERS using the Moving and Stationary Target Acquisition and Recognition (MSTAR) dataset. |
| キーワード(和) | 自動目標認識 / 複数目標 / 検出 / 識別 / 分類 / 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 / discrimination / classification / convolutional neural network (CNN) / deep learning / synthetic aperture radar (SAR) |
| 資料番号 | SANE2018-5 |
| 発行日 | 2018-05-07 (SANE) |
| 研究会情報 | |
| 研究会 | SANE |
|---|---|
| 開催期間 | 2018/5/14(から1日開催) |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | Kikai-Shinko-Kaikan Bldg. |
| テーマ（和） | レーダ， EW技術及び一般 |
| テーマ（英） | Radar, EW 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） | SAVERS: SAR ATR with Verification Support Based on Convolutional Neural Network |
| 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） | 識別 / discrimination |
| キーワード(5)（和/英） | 分類 / classification |
| 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） | *(略称：*) *(略称：*) |
| 発表年月日 | 2018-05-14 |
| 資料番号 | SANE2018-5 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | SANE-28 |
| ページ範囲 | pp.23-28(SANE), |
| ページ数 | 6 |
| 発行日 | 2018-05-07 (SANE) |