복소수 CycleGAN 기반의 이미지 변환을 이용한 시뮬레이션 SAR 표적 식별 (Simulated SAR Target Recognition using Image-to-Image Translation Based on Complex-Valued CycleGAN)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 20권 / 7호 / 19 ~ 28페이지
· 저자명 : 최여름

초록

딥러닝 기반 SAR 표적 식별의 성능을 높이기 위해서는 모델을 충분히 학습시킬 만한 다수의 SAR 영상이 필요하지만, 이러한 SAR 영상을 얻는 과정은 매우 복잡하고 많은 시간과 비용이 소요된다. 이러한 문제를 해결하기 위해 시뮬레이션 SAR 영상을 생성하여 보완하는 연구가 진행되었으나, 시뮬레이션 SAR 영상과 실측 SAR 영상 간의 차이로 인해 학습에 사용된 실측 SAR 영상의 수가 부족할수록 식별 성능이 저하되는 경향을 보인다. 본 논문에서는 이미지 변환 분야에서 높은 성능을 보인 CycleGAN을 이용하여 실측 SAR 영상을 시뮬레이션 SAR 영상과 유사하게 변환하고, 해당 영상을 시뮬레이션 SAR 영상만으로 학습된 모델에 테스트하여 식별 성능을 도출한다. 또한 기존의 SAR 표적 식별 알고리즘들이 SAR 영상의 크기 정보만을 활용한 것과는 달리, 크기와 위상 정보를 모두 활용한 복소수 네트워크 기반의 방법을 제안한다.

영어초록

In order to improve deep learning-based SAR target recognition performance, a large amount of SAR data are required to sufficiently train the model. However, obtaining measured SAR data for training is too complicated and expensive in terms of time and money. In response, a method of generating simulated SAR data can be an alternative, but this approach shows the performance degradation as the measured SAR data used for training is scarce due to the distribution gap. In this paper, the measured SAR images are translated to the simulation-like SAR images using CycleGAN which showed high performance in the field of image-to-image translation. The translated SAR images are used as the inputs of the network trained on simulated SAR images. Furthermore, unlike traditional SAR target recognition algorithms using only amplitude of SAR images, the proposed method is based on a complex-valued network using both amplitude and phase data.

참고자료

· 없음