自己紹介
Udacityで学んだ Self-Driving Car Engineerの知識とレーダシステム開発の経験を組み合わせて，深層学習を用いた新しい信号処理の研究開発を行なっています．
以前は，合成開口レーダ（SAR）の自動目標認識（ATR）の 研究開発を行なっていました．
興味・関心
- 自動運転
- 深層学習
- レーダ
Udacityで学んだ Self-Driving Car Engineerの知識とレーダシステム開発の経験を組み合わせて，深層学習を用いた新しい信号処理の研究開発を行なっています．
以前は，合成開口レーダ（SAR）の自動目標認識（ATR）の 研究開発を行なっていました．
エンドツーエンドの合成開口レーダ（SAR）自動目標認識（ATR）システムのために，コース／ファイン両方のセグメンテーションを行う新しい畳み込みニューラルネットワーク（CNN）を提案する．
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．本報告では，SAR画像からのEnd-to-End ATRのために，新しい畳み込みニューラルネットワーク（CNN）を提案する．
本報告では，合成開口レーダ（SAR）画像から自動目標認識（ATR）を行うための畳み込みニューラルネットワーク（CNN）の平行移動不変性について検討する．ここで，SAR ATR用CNNの平行移動不変性は，SAR画像から抽出された目標チップのミスアライメントに対するロバスト性を表している．
