論文の概要: Reinforced Inverse Scattering
- arxiv url: http://arxiv.org/abs/2206.04186v1
- Date: Wed, 8 Jun 2022 22:56:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-10 15:55:42.863119
- Title: Reinforced Inverse Scattering
- Title(参考訳): 強化逆散乱
- Authors: Hanyang Jiang, Yuehaw Khoo, Haizhao Yang
- Abstract要約: 逆波散乱は、物体がどのように入ってくる波を散乱するかのデータを用いて物体の特性を決定することを目的としている。
センサ位置と入射波周波数の選択は、散乱器特性の再構成品質を決定する。
本稿では,センサ位置と波動周波数を異なる散乱器に適応させる高精度撮像法を提案する。
- 参考スコア(独自算出の注目度): 2.535271349350579
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inverse wave scattering aims at determining the properties of an object using
data on how the object scatters incoming waves. In order to collect
information, sensors are put in different locations to send and receive waves
from each other. The choice of sensor positions and incident wave frequencies
determines the reconstruction quality of scatterer properties. This paper
introduces reinforcement learning to develop precision imaging that decides
sensor positions and wave frequencies adaptive to different scatterers in an
intelligent way, thus obtaining a significant improvement in reconstruction
quality with limited imaging resources. Extensive numerical results will be
provided to demonstrate the superiority of the proposed method over existing
methods.
- Abstract(参考訳): 逆波散乱は、物体がどのように入射波を散乱するかのデータを用いて、物体の特性を決定することを目的としている。
情報を収集するために、センサーは異なる場所に配置され、互いに波を送受信する。
センサ位置と入射波周波数の選択は、散乱特性の再構成品質を決定する。
本稿では,センサ位置と波動周波数をインテリジェントな方法で決定し,画像資源の制限による再構成品質の大幅な向上を図り,その精度向上を図るための強化学習を提案する。
提案手法が既存の手法よりも優れていることを示すために,広範な数値計算結果が提示される。
関連論文リスト
- Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳(メタデータ) (2023-08-24T12:32:46Z) - A physically-informed Deep-Learning approach for locating sources in a
waveguide [0.688204255655161]
逆ソース問題は、音響学、地球物理学、非破壊試験などにおける多くの応用の中心である。
従来の撮像法は分解能限界に悩まされており、放射波長以下で分離された光源の区別を防いでいる。
本稿では,物理インフォームドニューラルネットワークを用いた音源再焦点問題の解法を提案する。
論文 参考訳(メタデータ) (2022-08-07T19:54:10Z) - Toward deep-learning-assisted spectrally-resolved imaging of magnetic
noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。
これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文 参考訳(メタデータ) (2022-08-01T19:18:26Z) - On the Optimization of Underwater Quantum Key Distribution Systems with
Time-Gated SPADs [13.401746329218017]
水中量子鍵分布の量子ビット誤り率(QBER)に及ぼす各種送信機および受信機パラメータの影響について検討した。
我々はモンテカルロ法を用いて、送信機から受信機に向かって水中に透過する発光光子の軌道をシミュレートする。
論文 参考訳(メタデータ) (2022-06-09T17:22:02Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳(メタデータ) (2022-06-09T14:00:26Z) - Radar-based Materials Classification Using Deep Wavelet Scattering
Transform: A Comparison of Centimeter vs. Millimeter Wave Units [0.0]
本研究では、Vayyar ImagingによるWalabot-3D (6.3-8 GHz)cm波と ImageVK-74 (62-69 GHz)mm波イメージングの2つの周波数範囲のレーダーユニットについて検討する。
論文 参考訳(メタデータ) (2022-02-08T02:07:14Z) - Location-aware Single Image Reflection Removal [54.93808224890273]
本稿では,位置認識型深層学習に基づく単一画像反射除去手法を提案する。
我々は,リフレクション信頼度マップをネットワークの手がかりとして活用し,リフレクション情報を適応的にエンコードする方法を学習する。
位置情報のネットワークへの統合は、反射除去結果の品質を大幅に向上させる。
論文 参考訳(メタデータ) (2020-12-13T19:34:35Z) - Spectral Response Function Guided Deep Optimization-driven Network for
Spectral Super-resolution [20.014293172511074]
本稿では、より深い空間スペクトルを持つ最適化駆動畳み込みニューラルネットワーク(CNN)を提案する。
自然およびリモートセンシング画像を含む2種類のデータセットに対する実験により,提案手法のスペクトル強調効果が示された。
論文 参考訳(メタデータ) (2020-11-19T07:52:45Z) - WaveTransform: Crafting Adversarial Examples via Input Decomposition [69.01794414018603]
本稿では,低周波サブバンドと高周波サブバンドに対応する逆雑音を生成するWaveTransformを紹介する。
実験により,提案攻撃は防衛アルゴリズムに対して有効であり,CNN間での転送も可能であることが示された。
論文 参考訳(メタデータ) (2020-10-29T17:16:59Z) - Prediction of Object Geometry from Acoustic Scattering Using
Convolutional Neural Networks [8.067201256886733]
本研究は,畳み込みニューラルネットワークを訓練することにより,散乱特徴から物体形状を推定することを提案する。
データ劣化に対する我々のアプローチの堅牢性は、データセットを用いてトレーニングされたネットワークの性能を比較して評価する。
論文 参考訳(メタデータ) (2020-10-21T00:51:14Z) - Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。
レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。
実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文 参考訳(メタデータ) (2020-09-30T19:01:33Z)
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。