지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
Ship detection in synthetic aperture radar (SAR) images is an important application in marine monitoring for the military and civilian domains. Over the past decade, object detection has achieved significant progress with the development of convolutional neural networks (CNNs) and lot of labeled databases. However, due to difficulty in collecting and labeling SAR images, it is still a challenging task to solve SAR ship detection CNNs. To overcome the problem, some methods have employed conventional data augmentation techniques such as flipping, cropping, and affine transformation, but it is insufficient to achieve robust performance to handle a wide variety of types of ships. In this paper, we present a novel and effective approach for deep SAR ship detection, that exploits label-rich Electro-Optical (EO) images. The proposed method consists of two components: a data augmentation network and a ship detection network. First, we train the data augmentation network based on conditional generative adversarial network (cGAN), which aims to generate additional SAR images from EO images. Since it is trained using unpaired EO and SAR images, we impose the cycle-consistency loss to preserve the structural information while translating the characteristics of the images. After training the data augmentation network, we leverage the augmented dataset constituted with real and translated SAR images to train the ship detection network. The experimental results include qualitative evaluation of the translated SAR images and the comparison of detection performance of the networks, trained with non-augmented and augmented dataset, which demonstrates the effectiveness of the proposed framework.
목차
ABSTRACT
1. 서론
2. 연구 배경
3. 제안 방법
4. 실험 결과 및 고찰
5. 결론
REFERENCE
참고문헌 (26)
참고문헌 신청
Y. Wang and Q. Zheng, “Recognition of Roads and Bridges in SAR Images,” Pattern Recognition, Vol. 31, No. 7, pp. 953-962, 1998.
Y.-L. Chang, A. Anagaw, L. Chang, Y.C. Wang, C.-Y. Hsiao, and W.-H. Lee, “Ship Detection based on YOLOv2 for SAR Imagery,” Remote Sensing Vol. 11, Issue 7, 786, 2019.
T. Zhang and X. Zhang, “High-Speed Ship Detection in SAR Images Based on a Grid Convolutional Neural Network,” Remote Sensing, Vol. 11, No. 10, 1206, 2019.
C. Kang and C. He, “SAR Image Classification Based on the Multi-Layer Network and Transfer Learning of Mid-Level Representations,” IEEE International Geoscience and Remote Sensing Symposium, pp. 1146-1149, 2016.
R. Girshick, J. Donahue, T. Darrell, and J. Malik, “Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 580-587, 2014.
Y.-L. Chang, A. Anagaw, L. Chang, Y.C. Wang, C.-Y. Hsiao, and W.-H. Lee, “Ship Detection based on YOLOv2 for SAR Imagery,” Remote Sensing Vol. 11, Issue 7, 786, 2019.
T. Zhang and X. Zhang, “High-Speed Ship Detection in SAR Images Based on a Grid Convolutional Neural Network,” Remote Sensing, Vol. 11, No. 10, 1206, 2019.
C. Kang and C. He, “SAR Image Classification Based on the Multi-Layer Network and Transfer Learning of Mid-Level Representations,” IEEE International Geoscience and Remote Sensing Symposium, pp. 1146-1149, 2016.
R. Girshick, J. Donahue, T. Darrell, and J. Malik, “Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 580-587, 2014.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Deep learning을 이용한 SAR 영상 내 선박 추정
한국항공우주학회 학술발표회 초록집
2017 .11
-
Deep learning 기반의 SAR 영상 분석 및 선박 추정
한국항공우주학회 학술발표회 초록집
2018 .04
-
위성 SAR 영상에서 딥러닝을 이용한 선박 검출 연구
한국통신학회 학술대회논문집
2020 .11
-
복소수 CycleGAN 기반의 이미지 변환을 이용한 시뮬레이션 SAR 표적 식별
한국정보기술학회논문지
2022 .07
-
A comparative survey on SAR image segmentation using deep learning
제어로봇시스템학회 국제학술대회 논문집
2022 .11
-
SAR-EO 영상 융합 기반 표적 탐지 기술 동향 분석
제어로봇시스템학회 국내학술대회 논문집
2020 .07
-
딥러닝 기반 SAR 영상 변화 탐지 기술 동향
항공우주산업기술동향
2019 .07
-
소규모 SAR 데이터셋에 효과적인 딥러닝 표적 식별 모델 탐구
한국정보기술학회논문지
2025 .03
-
SAR 기반 선박탐지 시스템 소개 및 개선 방안 연구
한국해양환경·에너지학회 학술대회논문집
2015 .05
-
효율적 트랜스포머를 이용한 SAR 영상 내 선박 탐지 및 식별에 관한 연구
한국방송미디어공학회 학술발표대회 논문집
2024 .06
-
SAR 영상과 딥러닝 알고리즘을 활용한 선박 검출 정확도 분석
한국통신학회 학술대회논문집
2020 .11
-
U-Net 기반 EO및 SAR 위성 영상에서의 빌딩 분할
대한전자공학회 학술대회
2021 .06
-
합성곱 인공 신경망을 적용한 SAR 영상 표적 인식 알고리즘
제어로봇시스템학회 논문지
2017 .08
-
Ship Detection in Synthetic Aperture Radar Images Based on Enhanced RetinaNet
한국통신학회 학술대회논문집
2022 .02
-
3D 가상 모델을 통한 SAR-광학 영상 변환 및 표적 인식
한국항공우주학회 학술발표회 초록집
2023 .04
-
최근 영상레이더(SAR) 활용 및 기술 동향
항공우주산업기술동향
2018 .07
-
다목적 위성 5호 고해상도 SAR 영상의 활용 방안 연구
한국위성정보통신학회논문지
2017 .03
-
변형 컨볼루션 네트워크를 사용한 합성개구레이다 영상 물체 탐지
대한전자공학회 학술대회
2021 .06
-
SAR 선박 영상의 시멘틱 분할 성능 향상
한국통신학회 학술대회논문집
2023 .02
-
Ocean Image Formation Algorithm Using Altimeter Data for Next Generation Satellite SAR
Journal of Electromagnetic Engineering And Science
2022 .03
이 논문의 저자 정보
이 논문과 함께 이용한 논문
SAR 영상과 딥러닝 알고리즘을 활용한 선박 검출 정확도 분석
신종유
,
김태윤
,
김재현
한국통신학회 학술대회논문집
2020
.11
딥러닝 기반 SAR 영상 변화 탐지 기술 동향
한상혁
,
최연주
,
김용우
외 2명
항공우주산업기술동향
2019
.07
클래스 활성화 지도를 이용한 딥러닝 기반의 SAR 선박 탐지 기술 연구
김병준
방송과 미디어
2024
.04
클래스 활성화 지도를 이용한 딥러닝 기반의 SAR 선박 탐지 기술 연구
김병준
,
문효이
,
이재석
외 1명
방송공학회논문지
2024
.03
방위 위치오차 자동 추출을 활용한 SAR 영상 기반 선박의 거리방향 속도 측정
송주영
,
김덕진
,
김진우
외 8명
한국전자파학회논문지
2023
.12
최근 본 자료
댓글(0)
0