| 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 | 2017-08-24 13:50 Deep Learning for Target Classification from SAR Imagery -- Data Augmentation and Translation Invariance -- ○Hidetoshi Furukawa（Toshiba Infrastructure Systems & Solutions）  SANE2017-30 |
|
| 抄録 | （和） | 本報告では，合成開口レーダ（SAR）画像から自動目標認識（ATR）を行うための畳み込みニューラルネットワーク（CNN）の平行移動不変性について検討する．ここで，SAR ATR用CNNの平行移動不変性は，SAR画像から抽出された目標チップのミスアライメントに対するロバスト性を表している．この平行移動不変性を理解するために，MSTARの目標チップを10クラスに分類するCNNをデータ拡張有／無の条件で学習させ，CNNの平行移動不変性を可視化した．この結果，MSTARの目標チップのようなアライメントされた画像をデータ拡張せずに用いるCNNの平行移動不変性は，ディープ・レジデュアル・ネットワークを使用してもあまり大きくなく，拡張した学習データの使用が，平行移動不変性のより重要な要素であることが分かった．更に，データ拡張を行ったCNNは，最高水準の分類精度99.6％を達成した．これらの結果は，ドメイン特有のデータ拡張の重要性を示している． |
| （英） | This report deals with translation invariance of convolutional neural networks (CNNs) for automatic target recognition (ATR) from synthetic aperture radar (SAR) imagery. In particular, the translation invariance of CNNs for SAR ATR represents the robustness against misalignment of target chips extracted from SAR images. To understand the translation invariance of the CNNs, we trained CNNs which classify the target chips from the MSTAR into the ten classes under the condition of with and without data augmentation, and then visualized the translation invariance of the CNNs. According to our results, even if we use a deep residual network, the translation invariance of the CNN without data augmentation using the aligned images such as the MSTAR target chips is not so large. A more important factor of translation invariance is the use of augmented training data. Furthermore, our CNN using augmented training data achieved a state-of-the-art classification accuracy of 99.6%. These results show an importance of domain-specific data augmentation. | |
| キーワード | （和） | 合成開口レーダ / 自動目標認識 / 目標分類 / 深層学習 / 畳み込みニューラルネットワーク / データ拡張 / 平行移動不変性 / レジデュアル・ネットワーク |
| （英） | synthetic aperture radar (SAR) / automatic target recognition (ATR) / target classification / deep learning / convolutional neural network (CNN) / data augmentation / translation invariance / residual network | |
| 文献情報 | 信学技報, vol. 117, no. 182, SANE2017-30, pp. 13-17, 2017年8月. | |
| 資料番号 | SANE2017-30 | |
| 発行日 | 2017-08-17 (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 | SANE2017-30 |
|
| 研究会情報 | |
| 研究会 | SANE |
| 開催期間 | 2017-08-24 - 2017-08-25 |
| 開催地（和） | 大阪工業大学梅田キャンパス |
| 開催地（英） | OIT UMEDA Campus |
| テーマ（和） | 航法・交通管制，レーダ，リモートセンシング及び一般 |
| テーマ（英） | Navigation, Trafic control, Radar, Remote Sensing and general issues |
| 講演論文情報の詳細 | |
| 申込み研究会 | SANE |
| 会議コード | 2017-08-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 Target Classification from SAR Imagery |
| サブタイトル（英） | Data Augmentation and Translation Invariance |
| キーワード(1)（和/英） | 合成開口レーダ / synthetic aperture radar (SAR) |
| キーワード(2)（和/英） | 自動目標認識 / automatic target recognition (ATR) |
| キーワード(3)（和/英） | 目標分類 / target classification |
| キーワード(4)（和/英） | 深層学習 / deep learning |
| キーワード(5)（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(6)（和/英） | データ拡張 / data augmentation |
| キーワード(7)（和/英） | 平行移動不変性 / translation invariance |
| キーワード(8)（和/英） | レジデュアル・ネットワーク / residual network |
| 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) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-08-24 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SANE |
| 資料番号 | SANE2017-30 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.182 |
| ページ範囲 | pp.13-17 |
| ページ数 | 5 |
| 発行日 | 2017-08-17 (SANE) |
[研究会発表申込システムのトップページに戻る]