論文の概要: SARATR-X: A Foundation Model for Synthetic Aperture Radar Images Target Recognition
- arxiv url: http://arxiv.org/abs/2405.09365v1
- Date: Wed, 15 May 2024 14:17:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-16 13:16:53.541218
- Title: SARATR-X: A Foundation Model for Synthetic Aperture Radar Images Target Recognition
- Title（参考訳）: SARATR-X:合成開口レーダ画像認識の基礎モデル
- Authors: Weijie L, Wei Yang, Yuenan Hou, Li Liu, Yongxiang Liu, Xiang Li,
- Abstract要約: 本稿では,自己監督学習(SSL)を用いた基礎モデルに基づく一般SAR ATRの実現を目的とする。
SARATR-Xと呼ばれる基礎モデルは以下の4つの側面で提案されている。
まず,14のデータセットと,様々な目標カテゴリと撮像条件を事前学習データセットとして統合した。第2に,リモートセンシング画像に最適なアプローチを見つけるために,異なるモデルバックボーンについて検討した。第3に,SARATR-Xの多様性とスケーラビリティを確保するために,2段階トレーニングとSAR勾配機能を適用した。
- 参考スコア（独自算出の注目度）: 19.776275680586977
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Synthetic aperture radar (SAR) is essential in actively acquiring information for Earth observation. SAR Automatic Target Recognition (ATR) focuses on detecting and classifying various target categories under different image conditions. The current deep learning-based SAR ATR methods are typically designed for specific datasets and applications. Various target characteristics, scene background information, and sensor parameters across ATR datasets challenge the generalization of those methods. This paper aims to achieve general SAR ATR based on a foundation model with Self-Supervised Learning (SSL). Our motivation is to break through the specific dataset and condition limitations and obtain universal perceptual capabilities across the target, scene, and sensor. A foundation model named SARATR-X is proposed with the following four aspects: pre-training dataset, model backbone, SSL, and evaluation task. First, we integrated 14 datasets with various target categories and imaging conditions as a pre-training dataset. Second, different model backbones were discussed to find the most suitable approaches for remote-sensing images. Third, we applied two-stage training and SAR gradient features to ensure the diversity and scalability of SARATR-X. Finally, SARATR-X has achieved competitive and superior performance on 5 datasets with 8 task settings, which shows that the foundation model can achieve universal SAR ATR. We believe it is time to embrace fundamental models for SAR image interpretation in the era of increasing big data.
- Abstract（参考訳）: 合成開口レーダー(SAR)は、地球観測のための情報を積極的に取得するために不可欠である。
SAR自動目標認識(ATR)は、異なる画像条件下で様々なターゲットカテゴリを検出し分類することに焦点を当てている。
現在のディープラーニングベースのSAR ATRメソッドは、通常、特定のデータセットやアプリケーション用に設計されている。
ATRデータセットの様々なターゲット特性、シーン背景情報、センサパラメータは、これらの手法の一般化に挑戦する。
本稿では,自己監督学習(SSL)を用いた基礎モデルに基づいて,一般的なSAR ATRを実現することを目的とする。
私たちのモチベーションは、特定のデータセットと条件の制限を突破し、ターゲット、シーン、センサーをまたいだ普遍的な知覚能力を得ることです。
SARATR-Xという名前の基盤モデルは、事前トレーニングデータセット、モデルバックボーン、SSL、評価タスクの4つの側面で提案されている。
まず、トレーニング前のデータセットとして、14のデータセットを様々なターゲットカテゴリと撮像条件と統合した。
第2に、リモートセンシング画像に最も適したアプローチを見つけるために、異なるモデルバックボーンについて検討した。
第3に、SARATR-Xの多様性とスケーラビリティを確保するために、2段階トレーニングとSAR勾配機能を適用した。
最後に、SARATR-Xは8つのタスク設定を持つ5つのデータセット上で、競争力と優れたパフォーマンスを達成した。
我々は、ビッグデータの増大の時代において、SAR画像解釈の基本モデルを取り入れる時が来たと信じている。
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) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳（メタデータ） (2023-12-19T08:14:14Z) - Benchmarking Deep Learning Classifiers for SAR Automatic Target
Recognition [7.858656052565242]
本稿では,複数のSARデータセットを用いたSAR ATRの先進的な深層学習モデルを総合的にベンチマークする。
推論スループットと解析性能の観点から,分類精度のランタイム性能に関する5つの分類器の評価と比較を行った。
SAR ATRの領域では、すべてのモデルルールが疑わしいのです。
論文 参考訳（メタデータ） (2023-12-12T02:20:39Z) - Predicting Gradient is Better: Exploring Self-Supervised Learning for SAR ATR with a Joint-Embedding Predictive Architecture [23.375515181854254]
本研究では,SAR自動目標認識(ATR)のための効果的な自己監視学習(SSL)手法について検討する。
SSLはデータから直接監視信号を構築することを目的としている。
本稿では,SAR ATR (SAR-JEPA) のための新しい統合埋め込み予測アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-11-26T01:05:55Z) - A Global Model Approach to Robust Few-Shot SAR Automatic Target
Recognition [6.260916845720537]
ディープラーニングベースのSAR自動ターゲット認識(ATR)モデルをトレーニングするために、クラス毎に数百のラベル付きサンプルを収集できるとは限らない。
この研究は特に数発のSAR ATR問題に対処しており、興味のあるタスクをサポートするためにラベル付きサンプルがわずかである。
論文 参考訳（メタデータ） (2023-03-20T00:24:05Z) - 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) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z) - 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) - Automatic Target Recognition on Synthetic Aperture Radar Imagery: A
Survey [0.0]
本稿では,SAR ATRアーキテクチャの分類法と,標準および拡張された運用条件下でのそれぞれの手法の長所と短所の比較を行う。
MSTARは標準的なSAR ATRベンチマークデータセットであるにもかかわらず、弱点を強調し、今後の研究方向性を提案する。
論文 参考訳（メタデータ） (2020-07-04T14:22:30Z) - 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) - Weakly-supervised land classification for coastal zone based on deep
convolutional neural networks by incorporating dual-polarimetric
characteristics into training dataset [1.125851164829582]
本研究では, 空間偏光合成開口レーダ(PolSAR)を用いた意味的セグメンテーションにおけるDCNNの性能について検討する。
PolSARデータを用いたセマンティックセグメンテーションタスクは、SARデータの特徴とアノテート手順が考慮されている場合、弱い教師付き学習に分類することができる。
次に、SegNet、U-Net、LinkNetを含む3つのDCNNモデルが実装されている。
論文 参考訳（メタデータ） (2020-03-30T17:32:49Z)
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。