Конвейер для автоматизированной генерации синтетических данных радаров с синтезированной апертурой для обучения нейронных сетей, распознающих объекты
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Информатика и управление
Статья в выпуске: 3 (71) т.18, 2026 года.
Бесплатный доступ
Генерация наборов синтетических данных во многих случаях позволяет упростить создание датасетов для обучения нейронных сетей. К настоящему моменту существует большое количество подходов для получения искусственных изображений, аналогичных снимкам, сформированным бортовыми радарами с синтезированной апертурой. Однако для создания больших объемов данных в автоматизированном режиме требуется не только генератор единичных радиолокационных изображений, а еще и сквозная система, самостоятельно формирующая сцену, управляющая процессом моделирования и последующей обработкой результатов с построением требуемых метаданных к ним. В этой работе описан конвейер программных модулей, реализующий функции такой системы. Для верификации его работоспособности проведен эксперимент по обучению на выходных данных конвейера глубокой нейронной сети для распознавания морских судов и тестирования полученного детектора на реальных радиолокационных изображениях. Анализ результатов свидетельствует о применимости разработанной системы к генерации синтетических датасетов, используемых при создании нейросетевых алгоритмов распознавания объектов на снимках, полученных бортовыми радиолокаторами.
Короткий адрес: https://sciup.org/142248878
IDS: 142248878 | УДК: 004.932.72’1
A pipeline for automated generation of synthetic SAR data for training neural object detection networks
Synthetic data generation can often facilitate the formation of datasets for neural networks training. To date, numerous approaches exist for obtaining synthetic images similar to those generated by airborne or spaceborne synthetic aperture radars (SAR). However, creating large volumes of data in automatic mode requires not only a generator of individual radar images but also an end-to-end system that handles scene formation, manages the modeling and subsequent results processing, and constructs the required metadata. This paper presents a pipeline of software modules implementing the functions of such a system. To verify its applicability, an experiment was conducted consisting of training a deep neural network for vessel recognition on the pipeline outputs and testing the obtained detector on real SAR images. Analysis of the results demonstrates the suitability of the designed system for generating synthetic datasets that are used during development of neural networks for object detection in spaceborne SAR images.
