Attention-Based Deep Learning Networks Could Improve Sonar Systems

中国とアメリカの研究者は最近、注意ベースのディープニューラルネットワーク（ABNN）がソナーシステムを改善するのにどのように役立つかを探究した。

この研究は、Journal of the Acoustical Society of AmericaによってAIP Publishingを通じて出版された。

Qunyan Renはこの研究の共著者である。

「私たちは、ABNNがターゲット認識において非常に正確であることを発見し、特に限定的なシングルターゲットデータを使用して複数のターゲットを検出する場合には、従来のディープニューラルネットワークを上回った」とRenは述べた。

DNNsとABNNs

ディープラーニングは、パターンを認識するために人工ニューラルネットワークを使用するマシンラーニング方法であり、前の層の情報に基づいて特定のセットの特徴を学習する人工ニューロン（ノード）の層に依存する。

注意ベースのディープニューラルネットワークは、注意モジュールを使用して、人間の認知プロセスの特定の要素を模倣する。これらの要素は、特に言語、画像、またはその他のパターンの最も重要な部分に焦点を当て、残りを無視するのを助ける。

ABBNsは、特定のパターンの要素を強調するためにノードに重みを追加することでこれを実現する。

ABNNをソナーに組み込む

研究者チームは、ターゲットを検出するためのソナー機器にABNNシステムを組み込むことで、南シナ海の135平方マイルの浅い地域で2隻の船をテストすることができた。結果は、レーダーなどの他の機器を使用してテストされた地域で17隻以上の妨害船を検出するために使用された通常のディープニューラルネットワーク（DNN）と比較された。

研究者たちは、ABNNが予測を高めるにつれて、トレーニング目標と密接に関連する特徴に向かって移動することを発見した。ネットワークがトレーニングデータセットを繰り返しサイクルするにつれて、検出がより顕著になる。これにより、重み付けされたノードが強調され、無関係なデータが無視される。

ABNNの船Aと船Bを個別に検出する精度は、DNNよりもわずかに高く、formerは98％、laterは97.4％であった。ABNNが同じ地域で両方の船を検出する精度は、DNNの58.4％と比較して74％で、さらに高かった。

従来のABNNモデルは、通常、複数のターゲット識別のためにマルチシップデータでトレーニングされる。しかし、このプロセスはすぐに高価で複雑になる可能性がある。したがって、研究者たちは、ABNNモデルを個別のターゲットを検出するようにトレーニングした。ネットワークの出力層が拡張されると、個別のターゲットデータセットがマージされる。

「同時に複数の船を検出する必要性は一般的なシナリオであり、私たちのモデルはDNNよりも2隻の船を同じ地域で検出することを大幅に上回った」とRenは述べた。「さらに、私たちのABNNは2隻の船の固有の特徴に同時に焦点を当てた」。