論文の概要: Automatic Target Recognition (ATR) from SAR Imaginary by Using Machine
Learning Techniques
- arxiv url: http://arxiv.org/abs/2009.09939v1
- Date: Fri, 11 Sep 2020 21:27:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 22:01:02.261806
- Title: Automatic Target Recognition (ATR) from SAR Imaginary by Using Machine
Learning Techniques
- Title(参考訳): 機械学習技術を用いたSARイマジナリーからの自動目標認識(ATR)
- Authors: Umut \"Ozkaya
- Abstract要約: 合成開口レーダ(SAR)画像におけるターゲット自動認識(ATR)は、高レベルノイズを含むため、非常に難しい問題となる。
本研究では,SAR画像を用いた移動目標と静止目標を機械学習で検出する手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatic Target Recognition (ATR) in Synthetic aperture radar (SAR) images
becomes a very challenging problem owing to containing high level noise. In
this study, a machine learning-based method is proposed to detect different
moving and stationary targets using SAR images. First Order Statistical (FOS)
features were obtained from Fast Fourier Transform (FFT), Discrete Cosine
Transform (DCT) and Discrete Wavelet Transform (DWT) on gray level SAR images.
Gray Level Co-occurrence Matrix (GLCM), Gray Level Run Length Matrix (GLRLM)
and Gray Level Size Zone Matrix (GLSZM) algorithms are also used. These
features are provided as input for the training and testing stage Support
Vector Machine (SVM) model with Gaussian kernels. 4-fold cross-validations were
implemented in performance evaluation. Obtained results showed that GLCM + SVM
algorithm is the best model with 95.26% accuracy. This proposed method shows
that moving and stationary targets in MSTAR database could be recognized with
high performance.
- Abstract(参考訳): 合成開口レーダ(SAR)画像におけるターゲット自動認識(ATR)は、高レベルノイズを含むため、非常に難しい問題となる。
本研究では,SAR画像を用いて移動目標と静止目標を識別する機械学習手法を提案する。
グレーレベルSAR画像上のFast Fourier Transform (FFT), Discrete Cosine Transform (DCT), Discrete Wavelet Transform (DWT) からFOS特性を得た。
また,Gray Level Co-occurrence Matrix (GLCM), Gray Level Run Length Matrix (GLRLM), Gray Level Size Zone Matrix (GLSZM)アルゴリズムも使用されている。
これらの機能は、ガウスカーネルを備えたトレーニングおよびテストステージサポートベクターマシン(svm)モデルの入力として提供される。
4倍のクロスバリデーションが性能評価に実装された。
得られた結果は、GLCM + SVMアルゴリズムが95.26%の精度で最良のモデルであることを示した。
提案手法は,MSTARデータベースにおける移動目標と静止目標を高い性能で認識できることを示す。
関連論文リスト
- A Single Graph Convolution Is All You Need: Efficient Grayscale Image Classification [3.0299904110792255]
グレースケール画像分類は、医用画像やSAR ATRなどの分野で重要な応用がある。
画像のベクトル化ビューを用いた新しいグレースケール画像分類手法を提案する。
提案手法では,単一のグラフ畳み込み層をバッチ的に組み込んで,精度の向上と性能のばらつきの低減を図る。
論文 参考訳(メタデータ) (2024-02-01T12:50:48Z) - A Vision Transformer Approach for Efficient Near-Field Irregular SAR
Super-Resolution [0.0]
本研究では、位置推定誤差に対処し、不規則なサンプリング測位の下でSAR画像超解像(SR)を行うモバイルフレンドビジョントランスフォーマー(ViT)アーキテクチャを提案する。
提案アルゴリズムであるMobile-SRViTは,SAR画像強調にViTを用いた最初の手法であり,シミュレーションおよび実証実験によって検証されている。
論文 参考訳(メタデータ) (2023-05-03T12:25:01Z) - Deep Learning Computer Vision Algorithms for Real-time UAVs On-board
Camera Image Processing [77.34726150561087]
本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。
すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
論文 参考訳(メタデータ) (2022-11-02T11:10:42Z) - Contextual Learning in Fourier Complex Field for VHR Remote Sensing
Images [64.84260544255477]
変圧器を用いたモデルでは、一般解像度(224x224ピクセル)の自然画像から高次文脈関係を学習する優れた可能性を示した
そこで本研究では,高次文脈情報のモデル化を行う複雑な自己意識(CSA)機構を提案する。
CSAブロックの様々な層を積み重ねることで、VHR空中画像からグローバルな文脈情報を学習するFourier Complex Transformer(FCT)モデルを提案する。
論文 参考訳(メタデータ) (2022-10-28T08:13:33Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳(メタデータ) (2022-06-29T23:22:18Z) - Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。
HSI再構成のための深層学習にHSI空間を埋め込んだCST
特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
論文 参考訳(メタデータ) (2022-03-09T16:17:47Z) - Denoising and Optical and SAR Image Classifications Based on Feature
Extraction and Sparse Representation [0.0]
本稿では,光学画像とSAR画像の分類を識別し,特徴抽出し,比較する手法を提案する。
光画像データは、リモートセンシングの作業員によって、容易に解釈できるため、土地利用と被覆について調査するために使われてきた。
論文 参考訳(メタデータ) (2021-06-03T14:39:30Z) - Visual Saliency Transformer [127.33678448761599]
RGBとRGB-Dの液状物体検出(SOD)のための、純粋な変圧器であるVST(Visual Saliency Transformer)に基づく新しい統一モデルを開発しました。
イメージパッチを入力として取り、トランスフォーマーを利用してイメージパッチ間のグローバルコンテキストを伝搬する。
実験結果から,RGBとRGB-D SODのベンチマークデータセットにおいて,本モデルが既存の最新結果を上回っていることが示された。
論文 参考訳(メタデータ) (2021-04-25T08:24:06Z) - Urban Change Detection by Fully Convolutional Siamese Concatenate
Network with Attention [0.6999740786886537]
変更検出(CD)はリモートセンシング、特に都市管理における災害時において重要な問題である。
オブジェクトベースのモデルは、非常に高解像度のリモートセンシング(VHR RS)画像を扱うピクセルベースの手法に好まれる。
本稿では,VHR RS画像の完全自動変化検出アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-01-31T17:47:16Z) - Grain Surface Classification via Machine Learning Methods [0.0]
レーダ信号を解析し,機械学習手法を用いて粒界型を分類した。
計5681個のAスキャン信号が収集された。
最高性能はSTFT+GLCM+SVMで達成された。
論文 参考訳(メタデータ) (2020-09-23T11:24:51Z) - Improving Sampling Accuracy of Stochastic Gradient MCMC Methods via
Non-uniform Subsampling of Gradients [54.90670513852325]
サンプリング精度を向上させるための一様でないサブサンプリング手法を提案する。
EWSGは、一様勾配MCMC法がバッチ勾配MCMC法の統計的挙動を模倣するように設計されている。
EWSGの実践的な実装では、データインデックス上のMetropolis-Hastingsチェーンを介して、一様でないサブサンプリングを効率的に行う。
論文 参考訳(メタデータ) (2020-02-20T18:56:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。