論文の概要: EMC2A-Net: An Efficient Multibranch Cross-channel Attention Network for
SAR Target Classification
- arxiv url: http://arxiv.org/abs/2208.01836v1
- Date: Wed, 3 Aug 2022 04:31:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-04 13:34:54.159710
- Title: EMC2A-Net: An Efficient Multibranch Cross-channel Attention Network for
SAR Target Classification
- Title（参考訳）: EMC2A-Net: SARターゲット分類のための効率的なマルチブランチクロスチャネルアテンションネットワーク
- Authors: Xiang Yu, Zhe Geng, Xiaohua Huang, Qinglu Wang and Daiyin Zhu
- Abstract要約: 本稿では,マルチブランチ構造に基づくマルチスケール受信フィールド(RF)を有するEMC2Aブロックを2つ提案し,効率的な異方性アーキテクチャであるDCNN,EMC2A-Netを設計した。
EMC2Aブロックは、異なる拡張レートの並列拡張畳み込みを利用して、計算負担を大幅に増大させることなく、マルチスケールのコンテキスト特徴を効果的にキャプチャすることができる。
本稿では,EMC2Aモジュールと呼ばれるマルチスケールのマルチチャネルアテンションモジュールを提案する。
- 参考スコア（独自算出の注目度）: 10.479559839534033
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, convolutional neural networks (CNNs) have shown great
potential in synthetic aperture radar (SAR) target recognition. SAR images have
a strong sense of granularity and have different scales of texture features,
such as speckle noise, target dominant scatterers and target contours, which
are rarely considered in the traditional CNN model. This paper proposed two
residual blocks, namely EMC2A blocks with multiscale receptive fields(RFs),
based on a multibranch structure and then designed an efficient isotopic
architecture deep CNN (DCNN), EMC2A-Net. EMC2A blocks utilize parallel dilated
convolution with different dilation rates, which can effectively capture
multiscale context features without significantly increasing the computational
burden. To further improve the efficiency of multiscale feature fusion, this
paper proposed a multiscale feature cross-channel attention module, namely the
EMC2A module, adopting a local multiscale feature interaction strategy without
dimensionality reduction. This strategy adaptively adjusts the weights of each
channel through efficient one-dimensional (1D)-circular convolution and sigmoid
function to guide attention at the global channel wise level. The comparative
results on the MSTAR dataset show that EMC2A-Net outperforms the existing
available models of the same type and has relatively lightweight network
structure. The ablation experiment results show that the EMC2A module
significantly improves the performance of the model by using only a few
parameters and appropriate cross-channel interactions.
- Abstract（参考訳）: 近年、畳み込みニューラルネットワーク(cnns)は合成開口レーダ(sar)ターゲット認識において大きな可能性を示している。
SAR画像は、粒度の感覚が強く、スペックルノイズ、ターゲット優先散乱器、ターゲット輪郭など様々なテクスチャ特性を有しており、従来のCNNモデルではめったに考えられない。
本稿では,マルチブランチ構造に基づくマルチスケール受信フィールド(RF)を有するEMC2Aブロックを2つ提案し,効率的な異方性アーキテクチャであるDCNN,EMC2A-Netを設計した。
EMC2Aブロックは、異なる拡張レートの並列拡張畳み込みを利用して、計算負担を大幅に増大させることなく、マルチスケールのコンテキスト特徴を効果的にキャプチャすることができる。
マルチスケール機能融合の効率をさらに高めるため,本論文では,局所的マルチスケール機能インタラクション戦略を採用したマルチスケール機能横断型注目モジュール,emc2aモジュールを提案する。
この戦略は、効率的な1次元(1d)循環畳み込みとsgmoid関数によって各チャネルの重みを適応的に調整し、グローバルチャネルワイズレベルへの注意を導く。
MSTARデータセットの比較結果によると、EMC2A-Netは、同じタイプの既存のモデルよりも優れており、比較的軽量なネットワーク構造を持つ。
アブレーション実験の結果,EMC2Aモジュールは,少数のパラメータと適切なチャネル間相互作用を用いることで,モデルの性能を著しく向上することがわかった。
関連論文リスト
- iiANET: Inception Inspired Attention Hybrid Network for efficient Long-Range Dependency [0.0]
iiANET(Inception Inspired Attention Network)は,複雑な画像の長距離依存性を捉えるために設計された,効率的なハイブリッドモデルである。
基本的なビルディングブロックであるiiABlockはグローバル2D-MHSA(Multi-Head Self-Attention)をレジスタ、MBConv2(MobileNetV2ベースの畳み込み)、拡張畳み込みを並列に統合する。
各iABlockの終端にECANET(Efficient Channel Attention Network)を連続的に統合し、チャネルワイドアテンションを校正し、モデル性能を向上させる。
論文 参考訳（メタデータ） (2024-07-10T12:39:02Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - A-SDM: Accelerating Stable Diffusion through Model Assembly and Feature Inheritance Strategies [51.7643024367548]
安定拡散モデルは、テキスト・ツー・イメージ(T2I)と画像・ツー・イメージ(I2I)生成のための一般的かつ効果的なモデルである。
本研究では、SDMにおける冗長計算の削減と、チューニング不要とチューニング不要の両方の手法によるモデルの最適化に焦点をあてる。
論文 参考訳（メタデータ） (2024-05-31T21:47:05Z) - Bilateral Network with Residual U-blocks and Dual-Guided Attention for
Real-time Semantic Segmentation [18.393208069320362]
注意計算によって導かれる2分岐アーキテクチャのための新しい融合機構を設計する。
正確には、DGA(Dual-Guided Attention)モジュールを使用して、いくつかのマルチスケール変換を置き換えることを提案した。
Cityscapes と CamVid のデータセットを用いた実験により,本手法の有効性が示された。
論文 参考訳（メタデータ） (2023-10-31T09:20:59Z) - An Efficient Speech Separation Network Based on Recurrent Fusion Dilated
Convolution and Channel Attention [0.2538209532048866]
本稿では,拡張畳み込み,マルチスケール融合(MSF),チャネルアテンションを組み合わせた効率的な音声分離ニューラルネットワーク ARFDCN を提案する。
実験結果から,本モデルでは性能と計算効率のバランスが良好であることが示唆された。
論文 参考訳（メタデータ） (2023-06-09T13:30:27Z) - Efficient Encoder-Decoder and Dual-Path Conformer for Comprehensive
Feature Learning in Speech Enhancement [0.2538209532048866]
本稿では、時間周波数(T-F)ドメイン音声強調ネットワーク(DPCFCS-Net)を提案する。
改良された高密度接続ブロック、デュアルパスモジュール、畳み込み拡張トランス(コンフォーマー)、チャンネルアテンション、空間アテンションが組み込まれている。
従来のモデルと比較して,提案モデルはより効率的なエンコーダデコーダを備え,包括的特徴を学習することができる。
論文 参考訳（メタデータ） (2023-06-09T12:52:01Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - DCELANM-Net:Medical Image Segmentation based on Dual Channel Efficient
Layer Aggregation Network with Learner [0.0]
DCELANM-Net構造は、DCELAN(Dual Channel Efficient Layer Aggregation Network)とMicro Masked Autoencoder(Micro-MAE)を巧みに組み合わせたモデルである。
我々は,マイクロMAEをモデル学習者に採用した。その方法論の単純さに加えて,モデルに驚くほどスケール可能な自己教師型学習手法も提供する。
論文 参考訳（メタデータ） (2023-04-19T12:57:52Z) - A Generic Shared Attention Mechanism for Various Backbone Neural Networks [53.36677373145012]
自己注意モジュール(SAM)は、異なる層にまたがる強い相関した注意マップを生成する。
Dense-and-Implicit Attention (DIA)はSAMをレイヤ間で共有し、長期間のメモリモジュールを使用する。
我々のシンプルで効果的なDIAは、様々なネットワークバックボーンを一貫して拡張できます。
論文 参考訳（メタデータ） (2022-10-27T13:24:08Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - When Residual Learning Meets Dense Aggregation: Rethinking the
Aggregation of Deep Neural Networks [57.0502745301132]
我々は,グローバルな残差学習と局所的なマイクロセンスアグリゲーションを備えた新しいアーキテクチャであるMicro-Dense Netsを提案する。
我々のマイクロセンスブロックはニューラルアーキテクチャ検索に基づくモデルと統合して性能を向上させることができる。
論文 参考訳（メタデータ） (2020-04-19T08:34:52Z)
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。