Please use this identifier to cite or link to this item: http://hdl.handle.net/10995/110992
Title: Распознавание наземных объектов на радиолокационном изображении с применением сверточной нейронной сети
Other Titles: Recognition of ground objects on a radar image using convolutional neural network
Authors: Вебер, В. И.
Куприц, В. Ю.
Мещеряков, А. А.
Куприц, М. В.
Weber, V. I.
Kuprits, V. Y.
Mescheryakov, A. A.
Kuprits, M. V.
Issue Date: 2022
Publisher: Уральский федеральный университет
Ural Federal University
Citation: Распознавание наземных объектов на радиолокационном изображении с применением сверточной нейронной сети / В. И. Вебер, В. Ю. Куприц, А. А. Мещеряков, М. В. Куприц // Ural Radio Engineering Journal. — 2022. — Vol. 6, No. 1. — P. 93–101.
Abstract: Рассматриваются методы распознавания наземных объектов на радиолокационном изображении, полученном с помощью радиолокатора с синтезированной апертурой. Приводятся результаты моделирования распознавания наземных объектов с применением сверточной нейронной сети. Приведено сравнение зависимости времени распознавания от количества наземных объектов на РЛИ для нейросетевого и корреляционного методов.
In this paper, methods of recognizing ground objects on a radar image obtained using a synthesized aperture radar are considered. The results of modeling the recognition of ground objects using a convolutional neural network are presented. The comparison of the dependence of the recognition time on the number of ground objects on the radar for neural network and correlation methods is given.
Keywords: РАДИОЛОКАЦИОННОЕ ИЗОБРАЖЕНИЕ
РАСПОЗНАВАНИЕ ОБРАЗОВ
РАДИОЛОКАЦИЯ С СИНТЕЗИРОВАННОЙ АПЕРТУРОЙ АНТЕННЫ
НЕЙРОННЫЕ СЕТИ
КОРРЕЛЯЦИОННО-ЭКСТРЕМАЛЬНЫЙ МЕТОД РАСПОЗНАВАНИЯ ОБРАЗОВ
RADAR IMAGE
PATTERN RECOGNITION
RADAR WITH A SYNTHESIZED ANTENNA APERTURE
NEURAL NETWORKS
CORRELATION-EXTREME METHOD OF PATTERN RECOGNITION
URI: http://hdl.handle.net/10995/110992
RSCI ID: https://elibrary.ru/item.asp?id=48411852
ISSN: 2588-0454
2588-0462
DOI: 10.15826/urej.2022.6.1.005
Origin: Ural Radio Engineering Journal. 2022. Vol. 6. № 1
Appears in Collections:Ural Radio Engineering Journal

Files in This Item:
File Description SizeFormat 
urej-2022-1-06.pdf704,54 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.