論文の概要: Exploring Self-Supervised Learning for SAR ATR: A Knowledge-Guided
Predictive Perspective
- arxiv url: http://arxiv.org/abs/2311.15153v3
- Date: Wed, 28 Feb 2024 08:09:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-29 18:24:07.348772
- Title: Exploring Self-Supervised Learning for SAR ATR: A Knowledge-Guided
Predictive Perspective
- Title(参考訳): SAR ATRのための自己監督型学習の探索:知識指導型予測的視点
- Authors: Weijie Li, Yang Wei, Tianpeng Liu, Yuenan Hou, Yuxuan Li, Zhen Liu,
Yongxiang Liu, Li Liu
- Abstract要約: Self-Supervised Learning (SSL)は、データから直接監視信号を引き出すことを目的としている。
本研究では,SAR自動目標認識(ATR)のための有効SSL手法について検討する。
我々は知識誘導予測アーキテクチャ(SAR-KPGA)と呼ばれる新しいアプローチを提案する。
- 参考スコア(独自算出の注目度): 24.382303439699974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing availability of Synthetic Aperture Radar (SAR) target datasets
allows for the consolidation of different SAR Automatic Target Recognition
(ATR) tasks using a foundational model powered by Self-Supervised Learning
(SSL). SSL aims to derive supervision signals directly from the data, thereby
minimizing the need for costly expert labeling and maximizing the use of the
expanding sample pool in constructing a foundational model. This study
investigates an effective SSL method for SAR ATR, which can pave the way for
building the foundation model. The primary obstacles faced in SSL for SAR ATR
are the scale problem of the remote sensing images and speckle noise in SAR
images. To overcome these challenges, we present a novel approach called
Knowledge-Guided Predictive Architecture (SAR-KPGA), which leverages local
masked patches to predict the multi-scale SAR feature representations of unseen
context. The key aspect of SAR-KPGA is integrating SAR domain features to
ensure high-quality target features for SSL. Furthermore, we employ local masks
and multi-scale features to accommodate the large image scale and target scale
variations in remote sensing scenarios. By evaluating our framework on three
target recognition datasets (vehicle, ship, and aircraft), we demonstrate its
outperformance over other SSL methods and its effectiveness with increasing SAR
data. This study showcases the potential of SSL for SAR target recognition
across diverse targets, scenes, and sensors.
- Abstract(参考訳): SAR(Synthetic Aperture Radar)ターゲットデータセットの増加により、自己監視学習(SSL)を利用した基礎モデルを使用して、さまざまなSAR自動ターゲット認識(ATR)タスクの統合が可能になる。
sslは、データから直接監視信号を導出することを目的としており、コストのかかる専門家のラベル付けの必要性を最小化し、基礎モデルの構築における拡張サンプルプールの使用を最大化する。
本研究では,SAR ATRの有効SSL手法について検討し,基礎モデル構築の道筋を舗装する。
SSL for SAR ATRで直面する主な障害は、リモートセンシング画像のスケール問題とSAR画像のスペックルノイズである。
これらの課題を克服するために,局所的なマスキングパッチを利用した知識誘導予測アーキテクチャ(SAR-KPGA)という新しい手法を提案する。
SAR-KPGAの重要な側面は、SSLの高品質なターゲット機能を保証するためにSARドメイン機能を統合することである。
さらに,リモートセンシングシナリオにおける大規模画像スケールとターゲットスケールの変動に対応するために,ローカルマスクとマルチスケール機能を採用している。
3つの目標認識データセット(車両、船舶、航空機)のフレームワークの評価により、他のSSLメソッドよりも優れた性能を示し、SARデータの増加による有効性を示す。
本研究は,多種多様なターゲット,シーン,センサにわたるSARターゲット認識におけるSSLの可能性を示す。
関連論文リスト
- SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale
SAR Object Detection [83.21028626585986]
我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。
私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。
私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
論文 参考訳(メタデータ) (2024-03-11T09:20:40Z) - ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and
Multispectral Data Fusion [54.668445421149364]
HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。
本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
論文 参考訳(メタデータ) (2023-10-11T07:30:37Z) - Background Debiased SAR Target Recognition via Causal Interventional
Regularizer [13.49307175561975]
認識すべきSAR画像は、前景(すなわち、ターゲット)だけでなく、背景領域の一定の大きさも含んでいることを示す。
このことは、背景の存在は、DLモデルがターゲットに関する追加のセマンティック情報を学ぶ能力を妨げていることを示唆している。
本稿では,因果介入に基づく正規化手法を提案する。
論文 参考訳(メタデータ) (2023-08-30T02:56:55Z) - Self-Supervised Learning for Improved Synthetic Aperture Sonar Target
Recognition [0.0]
本研究では,合成開口ソナー(SAS)画像における目標認識向上のための自己教師付き学習(SSL)の適用について検討する。
高分解能SASデータは、ディープニューラルネットワーク(DNN)をトレーニングするための重要なステップであるラベル付けに重要な課題を呈している。
この研究は、バイナリ画像分類タスクにおいて、よく認識された教師付き学習モデルであるResNet18に対して、2つの著名なSSLアルゴリズムであるMoCov2とBYOLの性能を評価する。
論文 参考訳(メタデータ) (2023-07-27T14:17:24Z) - A generic self-supervised learning (SSL) framework for representation
learning from spectra-spatial feature of unlabeled remote sensing imagery [4.397725469518669]
自己教師付き学習(SSL)では、モデルが桁違いに遅延のないデータから表現を学習することができる。
この研究は、未ラベルデータのスペクトル空間情報の両方から表現を学習できる新しいSSLフレームワークを設計した。
論文 参考訳(メタデータ) (2023-06-27T23:50:43Z) - Remote Sensing Image Classification using Transfer Learning and
Attention Based Deep Neural Network [59.86658316440461]
本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。
提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
論文 参考訳(メタデータ) (2022-06-20T10:05:38Z) - PeaceGAN: A GAN-based Multi-Task Learning Method for SAR Target Image
Generation with a Pose Estimator and an Auxiliary Classifier [50.17500790309477]
SARターゲット画像生成のための新しいGANベースのマルチタスク学習(MTL)手法であるPeaceGANを提案する。
PeaceGANはポーズ角とターゲットクラス情報の両方を使用し、目的のポーズ角で所望のターゲットクラスのSARターゲット画像を作成することができる。
論文 参考訳(メタデータ) (2021-03-29T10:03:09Z) - Hierarchical Deep CNN Feature Set-Based Representation Learning for
Robust Cross-Resolution Face Recognition [59.29808528182607]
クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。
既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。
本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
論文 参考訳(メタデータ) (2021-03-25T14:03:42Z) - Remote Sensing Image Scene Classification with Self-Supervised Paradigm
under Limited Labeled Samples [11.025191332244919]
我々は,大規模なラベル付きデータからRSIシーン分類のための高性能事前学習モデルを得るために,新たな自己教師付き学習(SSL)機構を導入する。
一般的な3つのRSIシーン分類データセットの実験により、この新たな学習パラダイムは、従来の支配的なImageNet事前学習モデルよりも優れていることが示された。
我々の研究から得られた知見は、リモートセンシングコミュニティにおけるSSLの発展を促進するのに役立ちます。
論文 参考訳(メタデータ) (2020-10-02T09:27:19Z) - X-ModalNet: A Semi-Supervised Deep Cross-Modal Network for
Classification of Remote Sensing Data [69.37597254841052]
我々はX-ModalNetと呼ばれる新しいクロスモーダルディープラーニングフレームワークを提案する。
X-ModalNetは、ネットワークの上部にある高レベルな特徴によって構築されたアップダスタブルグラフ上にラベルを伝搬するため、うまく一般化する。
我々は2つのマルチモーダルリモートセンシングデータセット(HSI-MSIとHSI-SAR)上でX-ModalNetを評価し、いくつかの最先端手法と比較して大幅に改善した。
論文 参考訳(メタデータ) (2020-06-24T15:29:41Z)
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。