[논문]합성 데이터를 이용한 SAR 지상표적의 딥러닝 탐지/분류 성능분석

박지훈

doi:10.9766/kimst.2024.27.2.147

[국내논문] 합성 데이터를 이용한 SAR 지상표적의 딥러닝 탐지/분류 성능분석
Performance Analysis of Deep Learning-Based Detection/Classification for SAR Ground Targets with the Synthetic Dataset

韓國軍事科學技術學會誌 = Journal of the KIMST, v.27 no.2, 2024년, pp.147 - 155

박지훈 (국방과학연구소 국방첨단과학기술연구원)

Abstract ▼ AI-Helper

Based on the recently developed deep learning technology, many studies have been conducted on deep learning networks that simultaneously detect and classify targets of interest in synthetic aperture radar(SAR) images. Although numerous research results have been derived mainly with the open SAR ship datasets, there is a lack of work carried out on the deep learning network aimed at detecting and classifying SAR ground targets and trained with the synthetic dataset generated from electromagnetic scattering simulations. In this respect, this paper presents the deep learning network trained with the synthetic dataset and applies it to detecting and classifying real SAR ground targets. With experiment results, this paper also analyzes the network performance according to the composition ratio between the real measured data and the synthetic data involved in network training. Finally, the summary and limitations are discussed to give information on the future research direction.

Keyword

참고문헌 (10)

MSTAR Overview, https://www.sdms.afrl.af.mil/index.php?collectionmstar, accessed (2023)
S. Chen, et. al., "Target Classification Using the Deep？Convolutional Networks for SAR Images," IEEE？Trans. Geoscience and Remote Sensing, Vol. 54, No. 8, pp. 4806-4817, 2016.
R. Xue, et. al., "Spatial-Temporal Ensemble？Convolution for Sequence SAR Target Classification,"？IEEE Trans. Geoscience and Remote Sensing, Vol. 59, No. 2, pp. 1250-1262, 2021.
S. Wang, et. al., "YOLO-SD : Small Detection in？SAR Images by Multi-Scale Convolution and？Feature Transformer Module," Remote Sensing, Vol. 14, No. 20, 2022.
Y. Gao, et. al., "Improved YOLO v4 Based on？Attention Mechanism for Ship Detection for Ship？Detection in SAR Images," IEEE Access, Vol. 10, pp. 23785-23797, 2022.
N. Inkawhich, et. al., "Bridging a Gap in SARATR？: Training on Fully Synthetic and Testing on？Measured Data," IEEE J. Selected Topics in Applied？Earth Observations and Remote Sensing, Vol. 14, pp. 2942-2944, 2021.
Q. He, et. al., "SAR Target Recognition Based on？Task-Driven Domain Adaptation Using Simulated？Data," IEEE Geoscience and Remote Letters, Vol. 19, No. 4019205, 2022.
A. Criminisi, et. al., "Region Filling and Object？Removal by Exemplar-Based Image Inpainting,"？IEEE Trans. Image Processing, Vol. 13, No. 9, pp. 1200-1212, 2004.
A. Bochkovskiy, et. al., "YOLOv4 : Optimal Speed？and Accuracy for Object Detection," 2020, arXiv: 2004:10934.
D. Malmgren-Hansen, et. al., "Improving SAR？Automatic Target Recognition Models with Transfer？Learning from Simulated Data," IEEE Geoscience？Remote Sensing Letters, Vol. 14, No. 9, pp. 1484-1488, 2017.

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 합성 데이터를 이용한 SAR 지상표적의 딥러닝 탐지/분류 성능분석
Performance Analysis of Deep Learning-Based Detection/Classification for SAR Ground Targets with the Synthetic Dataset

Abstract ▼ AI-Helper

Keyword

참고문헌 (10)

이 논문을 인용한 문헌

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 합성 데이터를 이용한 SAR 지상표적의 딥러닝 탐지/분류 성능분석 Performance Analysis of Deep Learning-Based Detection/Classification for SAR Ground Targets with the Synthetic Dataset

Abstract ▼ AI-Helper

Keyword

참고문헌 (10)

이 논문을 인용한 문헌

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 합성 데이터를 이용한 SAR 지상표적의 딥러닝 탐지/분류 성능분석
Performance Analysis of Deep Learning-Based Detection/Classification for SAR Ground Targets with the Synthetic Dataset

활용도 Top5 논문