Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Global Descriptors of Convolution Neural Networks for Remote Scene Images Classification Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Construction of Marine Target Detection Dataset for Intelligent Radar Application

verfasst von : Hao Ding, Ningbo Liu, Wei Zhou, Yonghua Xue, Jian Guan

Erschienen in: Artificial Intelligence in China

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

With the development of artificial intelligence technology, intelligent processing technology, which is represented by deep learning theory, has been widely used in radar community. The precondition of its application is the support of a large number of training dataset. However, for the technical direction of marine target detection, open dataset is insufficient to meet application requirements. To this end, framework of marine target detection dataset for intelligent radar application is constructed in this paper. It consists of three core modules, namely the detection equipment and data acquisition system, data management and processing, and integrated display. At present, sea clutter property cognition dataset, clutter suppression and target detection dataset, target characteristics dataset and detection performance evaluation dataset are preliminarily obtained. Dataset management and property analysis software are also developed, so as to serve applications more conveniently.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Application of Neural Network in Performance Evaluation of Satellite Communication System: Review and Prospect
Nächstes Kapitel Pedestrian Retrieval Using Valuable Absence Augmentation
Literatur
1.
Ward K, Tough R, Watts S (2013) Sea clutter: scattering, the K-distribution and radar performance, 2nd edn. The Institution of Engineering and Technology, London
2.
Ding H, Liu N, Dong Y et al (in press) Overview and prospects of radar sea clutter measurement experiments. J Radars
3.
Ding H, Dong Y, Liu N, Wang G, Guan J (2016) Overview and prospects of research on sea clutter property cognition. J Radars 5(5):499–516
4.
Ding H, Guan J, Liu N et al (2015) New spatial correlation models for sea clutter. IEEE Geosci Remote Sens Lett 12(9):1833–1837CrossRef
5.
Ding H, Guan J, Liu N et al (2016) Modeling of heavy tailed sea clutter based on the generalized central limit theory[J]. IEEE Geosci Remote Sens Lett 13(11):1591–1595CrossRef
6.
Shi S, Shui P (2018) Sea-surface floating small target detection by one-class classifier in time-frequency feature space. IEEE Trans Geosci Remote Sens 56(11):6395–6411CrossRef
7.
Wang J, Zheng T, Lei P, Wei S (2018) Study on deep learning in radar. J Radars 7(4):395–411
8.
Su N, Chen X, Guan J, Mou X, Liu N (2018) Detection and classification of maritime target with micro-motion based on CNNs. J Radars 7(5):565–574
9.
Drosopoulos A (1994) Description of the OHGR database. Defence research establishment Ottawa, Technical Note, pp 94–14
10.
De Wind HJ, Cilliers JC, Herselman PL (2010) Sea clutter and small boat radar reflectivity databases. IEEE Signal Process Mag 32(2):145–148CrossRef
11.
Herselman PL, Baker CJ, deWind HJ (2008) An analysis of X-band calibrated sea clutter and small boat reflectivity at medium-to-low grazing angles. Int J Navig Obs 1–14CrossRef
12.
Antipov I (1998) Analysis of sea clutter data. Technical Report, DSTO-TR-0647
13.
Dong Y, Merrett D (2008) Statistical measures of S-band sea clutter and targets. Technical Report, DSTO-TR-222
14.
Dong Y, Merrett D (2010) Analysis of L-band multi-channel sea clutter. Technical Report, DSTO-TR-2455CrossRef
15.
Antipov I (2001) Statistical analysis of northern Australian coastline sea clutter data. Technical Report, DSTO-TR-1236
16.
Crisp DJ, Stacy NJS, Goh AS (2006) Ingara medium-high incidence angle polarimetric sea clutter measurements and analysis. Technical Report, DSTO-TR-1818
17.
Watts S, Rosenberg L, Bocquet S et al (2016) Doppler spectra of medium grazing angle sea clutter part 1: characterisation. IET Radar Sonar Navig 10(1):24–31CrossRef
18.
Watts S, Rosenberg L, Bocquet S et al (2016) Doppler spectra of medium grazing angle sea clutter part 2: model assessment and simulation. IET Radar Sonar Navig 10(1):32–42CrossRef
19.
Ritchie M, Stove A, Woodbridge K et al (2016) NetRAD: monostatic and bistatic sea clutter texture and Doppler spectra characterization at S-Band. IEEE Trans Geosci Remote Sens 54(9):1–11CrossRef
20.
Fioranelli F, Ritchie M, Griffiths H et al (2017) Analysis of polarimetric bistatic sea clutter using the NetRAD radar system. IET Radar Sonar Navig 10(8):1356–1366CrossRef
Metadaten
Titel
Construction of Marine Target Detection Dataset for Intelligent Radar Application
verfasst von
Hao Ding
Ningbo Liu
Wei Zhou
Yonghua Xue
Jian Guan
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Artificial Intelligence in China

Print ISBN: 978-981-15-0186-9

Electronic ISBN: 978-981-15-0187-6

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-15-0187-6_28

Neuer Inhalt

    Bildnachweise