Deep Learning for End-to-End Automatic Target Recognition from Synthetic Aperture Radar Imagery

概要

合成開口レーダ（SAR）自動目標認識（ATR）の標準アーキテクチャーは，検出，識別及び分類の3つの段階から構成される．近年，SAR ATR用畳み込みニューラルネットワーク（CNN）が提案されているが，そのほとんどは，SAR ATRの第3段階の分類として，SAR画像から抽出されたターゲットチップから目標クラスを分類している．本報告では，SAR画像からのEnd-to-End ATRのために，新しいCNNを提案する．検証支援ネットワーク（VersNet）という名のCNNは，SAR ATRの3つの段階全てをEnd-to-Endに行なう．VersNetは，複数クラス及び複数目標が存在する任意のサイズのSAR画像を入力し，検出した各目標の位置，クラス及び姿勢を表わすSAR ATR画像を出力する．本報告は，MSTARデータセットを用いて，ピクセル毎に全12クラス（10の目標クラス，目標の前面クラス及び背景クラス）のスコアを出力するように学習したVersNetの評価結果について述べる．