論文の概要: FMNet: Latent Feature-wise Mapping Network for Cleaning up Noisy
Micro-Doppler Spectrogram
- arxiv url: http://arxiv.org/abs/2107.07312v1
- Date: Fri, 9 Jul 2021 19:20:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-18 12:27:37.745679
- Title: FMNet: Latent Feature-wise Mapping Network for Cleaning up Noisy
Micro-Doppler Spectrogram
- Title（参考訳）: fmnet: ノイズマイクロドップラースペクトログラムをクリーンアップする潜在機能マッピングネットワーク
- Authors: Chong Tang, Wenda Li, Shelly Vishwakarma, Fangzhan Shi, Simon Julier,
Kevin Chetty
- Abstract要約: ノイズの多い環境は、マイクロドップラー分光器の解釈不能な動きパターンを引き起こす。
レーダーの帰還は しばしば マルチパス 乱雑 干渉に悩まされる
本稿では,FMNet (Feature Mapping Network) と呼ばれる潜在機能対応マッピング手法を提案する。
- 参考スコア（独自算出の注目度）: 2.9849405664643585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Micro-Doppler signatures contain considerable information about target
dynamics. However, the radar sensing systems are easily affected by noisy
surroundings, resulting in uninterpretable motion patterns on the micro-Doppler
spectrogram. Meanwhile, radar returns often suffer from multipath, clutter and
interference. These issues lead to difficulty in, for example motion feature
extraction, activity classification using micro Doppler signatures ($\mu$-DS),
etc. In this paper, we propose a latent feature-wise mapping strategy, called
Feature Mapping Network (FMNet), to transform measured spectrograms so that
they more closely resemble the output from a simulation under the same
conditions. Based on measured spectrogram and the matched simulated data, our
framework contains three parts: an Encoder which is used to extract latent
representations/features, a Decoder outputs reconstructed spectrogram according
to the latent features, and a Discriminator minimizes the distance of latent
features of measured and simulated data. We demonstrate the FMNet with six
activities data and two experimental scenarios, and final results show strong
enhanced patterns and can keep actual motion information to the greatest
extent. On the other hand, we also propose a novel idea which trains a
classifier with only simulated data and predicts new measured samples after
cleaning them up with the FMNet. From final classification results, we can see
significant improvements.
- Abstract（参考訳）: マイクロドップラーシグネチャには、ターゲットダイナミクスに関するかなりの情報が含まれている。
しかし、レーダセンシングシステムはノイズの多い環境に影響を受けやすく、マイクロドップラースペクトログラム上では解釈不能な動きパターンとなる。
一方、レーダーリターンは、しばしばマルチパス、乱雑、干渉に悩まされる。
これらの問題は、例えば、運動特徴抽出、マイクロドップラーシグネチャを用いたアクティビティ分類(\mu$-DS)などにおいて困難をもたらす。
本稿では,同一条件下でのシミュレーション結果とより密接に類似するように,測定されたスペクトログラムを変換する機能マッピングネットワーク(fmnet)を提案する。
計測されたスペクトログラムとマッチングされたシミュレーションデータに基づいて,潜在表現/特徴を抽出するエンコーダ,潜在特徴に応じて再構成されたスペクトログラムを出力するデコーダ,計測およびシミュレーションデータの潜在特徴距離を最小化する判別器の3つの部分を含む。
6つの活動データと2つの実験シナリオを用いてfmnetを実演し,最終結果は,強力な拡張パターンを示し,実際の動作情報を最大限に保持できる。
一方,シミュレーションデータのみを用いて分類器を訓練し,fmnetでクリーンアップした後,新たに測定したサンプルを予測できる新しいアイデアを提案する。
最終分類の結果から、大幅な改善が見られる。
関連論文リスト
- Noise-Resilient Unsupervised Graph Representation Learning via Multi-Hop Feature Quality Estimation [53.91958614666386]
グラフニューラルネットワーク(GNN)に基づく教師なしグラフ表現学習(UGRL)
マルチホップ特徴量推定(MQE)に基づく新しいUGRL法を提案する。
論文 参考訳（メタデータ） (2024-07-29T12:24:28Z) - Learning to Enhance Aperture Phasor Field for Non-Line-of-Sight Imaging [22.365437882740657]
本研究の目的は,サンプリングやスキャンエリアの数を削減し,より実用的なNLOSイメージングを実現することである。
本研究では,デノナイズドオートエンコーダ方式を利用して,測定空間におけるリッチでノイズの多い表現を得る。
我々は、ネットワークのスペクトルを周波数範囲に制限するために、ファサーベースパイプラインを導入する。
論文 参考訳（メタデータ） (2024-07-26T07:57:07Z) - Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳（メタデータ） (2024-07-18T04:36:10Z) - Novelty Detection on Radio Astronomy Data using Signatures [5.304803553490439]
SigNovaは、ストリームデータ中の異常を検出するための、新しい半教師付きフレームワークである。
我々は、シグネチャ変換を用いて観測シーケンスから統計の標準的コレクションを抽出する。
各特徴ベクトルは、RFIフリートレーニングセットにおいて、マハラノビスから隣人への距離として計算されたノベルティスコアが割り当てられる。
論文 参考訳（メタデータ） (2024-02-22T14:13:44Z) - Wavelet Dynamic Selection Network for Inertial Sensor Signal Enhancement [11.793803540713695]
慣性センサーは様々な携帯機器で広く使われている。
ウェーブレット動的選択ネットワーク(WDSNet)は、可変慣性信号に対する適切なウェーブレット基底をインテリジェントに選択する。
WDSNetは、弱教師付き手法として、比較された全教師付き手法の最先端性能を達成する。
論文 参考訳（メタデータ） (2023-12-29T07:44:06Z) - Classification-Aided Robust Multiple Target Tracking Using Neural
Enhanced Message Passing [12.135800589264532]
本稿では,レーダーセンサによる計測を用いて,強い乱雑な環境下で未知のターゲットを追跡するという課題に対処する。
まず,統合されたメッセージパッシングによって得られた信念を付加情報としてニューラルネットワークに入力する,新しい拡張メッセージパッシング手法を提案する。
本稿では,ニューラルネットワークを用いた分類支援型ロバストなマルチターゲット追跡アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-19T01:41:11Z) - Dynamic Spectrum Mixer for Visual Recognition [17.180863898764194]
動的スペクトルミキサー (DSM) という,コンテンツ適応型だが計算効率のよい構造を提案する。
DSMはコサイン変換を用いて周波数領域におけるトークンの相互作用を表す。
ログ線形複雑性で長期空間依存を学習することができる。
論文 参考訳（メタデータ） (2023-09-13T04:51:15Z) - Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。
ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。
提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
論文 参考訳（メタデータ） (2023-08-17T11:30:46Z) - Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。
本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。
低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
論文 参考訳（メタデータ） (2021-08-03T12:26:33Z) - MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。
我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。
重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文 参考訳（メタデータ） (2021-07-22T03:10:51Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z)
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。