Medžiagų atpažinimo, taikant milimetrinių bangų radarus, taikomieji tyrimai
Katkevičius, Andrius | Recenzentas / Rewiewer |
Medžiagų klasifikavimas yra būtina savybė daugeliui ateities technologijų. Pristatome 60 GHz radaro medžiagų klasifikavimo sistemą, pagrįstą giliais sąsūkų neuroniniais tinklais. Eksperimentiškai iš realaus pasaulio duomenų parodyta, kad galime mokyti ir klasifikuoti įvairių tipų medžiagas ir objektus, naudodamiesi spektrogramomis, apskaičiuotomis iš neapdorotų radaro duomenų. Klasifikuojant 600 spektrogramų pasiekiamas 89 % klasifikavimo tikslumas.
Material classification is a necessary property for many future technologies. We present a 60-GHz radar material classification system based on a Deep Convolutional Neural Network. It is shown experimentally on real world data that we can train and classify different types of materials and objects using spectrograms computed from raw radar data. A classification accuracy of 89 % is achieved while classifying 600 spectrograms.