論文の概要: Lightweight CNNs for Embedded SAR Ship Target Detection and Classification

• arxiv url: http://arxiv.org/abs/2508.10712v1
• Date: Thu, 14 Aug 2025 14:55:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.367511
• Title: Lightweight CNNs for Embedded SAR Ship Target Detection and Classification
• Title（参考訳）: 組込みSAR船体ターゲット検出・分類のための軽量CNN
• Authors: Fabian Kresse, Georgios Pilikos, Mario Azcueta, Nicolas Floury,
• Abstract要約: 高レベルの製品を生成するためのオンボード処理は、ダウンリンクが必要なデータ量を減らすことができる。 本研究では,非焦点SARデータに基づくリアルタイム推論のためのニューラルネットワークの提案と評価を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Synthetic Aperture Radar (SAR) data enables large-scale surveillance of maritime vessels. However, near-real-time monitoring is currently constrained by the need to downlink all raw data, perform image focusing, and subsequently analyze it on the ground. On-board processing to generate higher-level products could reduce the data volume that needs to be downlinked, alleviating bandwidth constraints and minimizing latency. However, traditional image focusing and processing algorithms face challenges due to the satellite's limited memory, processing power, and computational resources. This work proposes and evaluates neural networks designed for real-time inference on unfocused SAR data acquired in Stripmap and Interferometric Wide (IW) modes captured with Sentinel-1. Our results demonstrate the feasibility of using one of our models for on-board processing and deployment on an FPGA. Additionally, by investigating a binary classification task between ships and windmills, we demonstrate that target classification is possible.
• Abstract（参考訳）: 合成開口レーダ(SAR)データにより、海上船舶の大規模監視が可能になる。 しかし、現在、リアルタイムに近い監視は、すべての生データをダウンリンクし、イメージフォーカスを実行し、その後地上で解析する必要性によって制限されている。 高レベルの製品を生成するためのオンボード処理は、ダウンリンクが必要なデータ量を削減し、帯域幅の制約を緩和し、レイテンシを最小化する。 しかし、従来のイメージフォーカスと処理アルゴリズムは、衛星の限られたメモリ、処理能力、計算資源のために課題に直面している。 本研究では,Stripmap と Interferometric Wide (IW) モードで取得した無焦点SARデータに対して,Sentinel-1 で取得したリアルタイム推論のために設計されたニューラルネットワークを提案し,評価する。 本研究は,FPGA上での車載処理および展開に,我々のモデルの一つを使用することの可能性を示すものである。 さらに, 船舶と風車間の二分分類タスクについて検討することにより, 目標分類が可能であることを実証した。

関連論文リスト

• Cross-modal Ship Re-Identification via Optical and SAR Imagery: A Novel Dataset and Method [16.8202125093375]
  海上での船の追跡は、海上捜索救助、法執行、船舶分析などの用途に不可欠である。 現在の船舶追跡手法のほとんどは静止衛星やビデオ衛星に依存している。 これらの制約に対処するため,Hybrid Optical and Synthetic Aperture Radar (SAR) Ship Re-Identificationデータセットを提案する。
  論文  参考訳（メタデータ） (2025-06-27T09:13:22Z)
• Enhancing Maritime Situational Awareness through End-to-End Onboard Raw Data Analysis [4.441792803766689]
  本研究は、小型衛星の厳密な帯域幅、エネルギー、遅延制約に対処する枠組みを提案する。 衛星画像からの船舶の直接検出・分類における深層学習手法の適用について検討した。 本手法は,車載処理チェーンの簡素化により,キャリブレーションや整形などの計算集約的なステップを必要とせず,直接解析を容易にする。
  論文  参考訳（メタデータ） (2024-11-05T18:38:42Z)
• 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)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Toward Data-Driven STAP Radar [23.333816677794115]
  我々は、時空間適応処理(STAP)レーダーに対するデータ駆動アプローチを特徴付ける。 所定領域に可変強度のターゲットをランダムに配置することにより、受信レーダ信号の豊富なサンプルデータセットを生成する。 この領域内の各データサンプルに対して、ビームフォーマの出力パワーのレンジ、方位、および上昇のヒートマップテンソルを生成する。 空中に浮かぶシナリオでは、動くレーダーは、ビデオに似た、これらのタイムインデクシングされたイメージスタックのシーケンスを生成する。
  論文  参考訳（メタデータ） (2022-01-26T02:28:13Z)
• Energy-Efficient Model Compression and Splitting for Collaborative Inference Over Time-Varying Channels [52.60092598312894]
  本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。 提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
  論文  参考訳（メタデータ） (2021-06-02T07:36:27Z)
• Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
  都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。 提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-11T08:45:53Z)
• Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
  本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。 提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
  論文  参考訳（メタデータ） (2020-01-22T15:23:48Z)

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。