首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   17篇
  完全免费   8篇
  无线电   25篇
  2022年   10篇
  2021年   4篇
  2020年   2篇
  2019年   3篇
  2018年   3篇
  2017年   1篇
  2016年   1篇
  2014年   1篇
排序方式: 共有25条查询结果,搜索用时 93 毫秒
1.
一种基于卷积神经网络的性别识别方法   总被引:1,自引:0,他引:1  
采用人工智能进行性别识别时,人脸图像在获取的时候容易受到光照、遮挡等影响,这些因素给人脸性别识别带来了困难。采用卷积神经网络用于性别识别,并通过扩展网络结构,进一步增强卷积神经网络的分类能力。并且对识别效果进行置信度分析,通过设置卷积神经网络的拒识区域来解决拒绝区间的问题。在实际测试中,通过拒绝7.46%的测试样本,达到98.67%的正确识别率。  相似文献
2.
3.
程嘉远 《现代雷达》2018,40(8):55-59
深度学习是当前人工神经网络领域的研究热点,广泛应用于字符识别、图像识别和语音识别等应用中。雷达通信目标识别是通信对抗的前提和关键。文中分析了模板匹配法、DS证据理论等传统通信目标识别方法的在特征提取、模型表达方面的不足,对深度学习神经网络在通信目标识别中的应用进行了初步探讨,并提出了一种基于深度学习的通信目标识别框架。该框架和思路同样适用于雷达对抗目标识别等问题,可为深度学习在雷达目标识别领域的应用提供支撑。  相似文献
4.
由于点目标可用信息少,点目标检测技术是红外搜索与跟踪系统(IRST)中的挑战性难点。基于人工提取特征的传统目标检测,智能化水平低,对点目标检测的难度大。针对此问题,提出一种新的基于深度时空卷积神经网络的点目标检测方法。该方法采用全卷积架构,输入输出尺度相同,可用于处理任意尺度图像。为了提高实时性,卷积分解技术被引入3D时空卷积处理中,将复杂3D时空卷积分解为低复杂度的2D空域卷积和1D时域卷积。根据点目标特点,多权值损失函数被提出,分别采用样本均衡因子和能量均衡因子降低样本不均衡和误差分布不均衡对点目标检测性能的影响。测试结果表明,该方法能够有效抑制复杂背景杂波,并以较低计算量实现点目标检测。  相似文献
5.
基于实数域的卷积神经网络(CNN)模型无法充分利用极化合成孔径雷达(PolSAR)图像丰富的相位信息,并且逐像素切片预测存在大量冗余计算,导致分类效率低下。针对以上问题,本文提出一种改进编解码网络模型。首先构建复数域CNN模型,并进行低采样率下的模型训练;然后构建复数域双通道编解码网络模型,引入改进空洞空间金字塔池化(IASPP)以解决多尺度地物预测问题,引入辅助通道以解决分类边缘粗糙问题;最后训练编解码网络模型,将训练好的复数域CNN模型参数传递给该模型以加速模型收敛。在基于AIRSAR平台的16类地物数据上进行实验验证,结果表明改进编解码网络相较于CNN模型具有更高的分类精度和更快的分类速度。  相似文献
6.
为实现在只有少量标记数据情况下的高质量的图像分类,本文提出了一种基于深度卷积神经网络的图上半监督极化SAR图像分类算法.该算法将极化SAR图像建模为无向图,并基于该无向图,定义了包含半监督项,卷积神经网络项和类标光滑项的能量函数.算法所采用的卷积神经网络提取抽象的数据驱动的极化特征.半监督项约束了有标记像素的类标在分类过程中保持不变.类标光滑项约束了像素间类标的光滑性.基于对PauliRGB图像进行超像素分割而产生的初始化类标图,交替迭代优化所定义的能量函数直至其收敛.在两幅真实极化SAR图像上的实验结果表明,该算法达到了优异的分类效果,其性能优于当前已有算法.  相似文献
7.
This paper investigates a vital issue in wireless communication systems, which is the modulation classification. A proposed framework for modulation classification based on deep learning (DL) is presented in the presence of adjacent channel interference (ACI). This framework begins with the generation of constellation diagrams from the received data. These constellation diagrams are fed to convolutional neural networks (CNNs) for modulation classification. The objective of this process is to eliminate the manual feature extraction from the received data and make feature extraction process as a built‐in step with CNNs. Three types of CNNs are considered in this paper and compared for this objective. These types are AlexNet, VGG‐16, and VGG‐19. The proposed classifier is applied on Rayliegh and Rician fading channels.  相似文献
8.
目前,人脸美丽预测存在数据规模小、分类难度大、深度特征研究不足等问题.为此,本文提出基于双激活层深度卷积特征的人脸美丽预测研究的解决方案.首先,采用数据增强和人脸对齐方法来增加训练集的样本数量和提高数据库的数据质量.其次,提出一种双激活层改进CNN模型,使其更适合人脸美丽预测应用.实验结果表明,本文所提方法在分类和回归预测方面均大幅度优于传统人脸美丽预测方法;同时,在主流的CNN模型中取得了较好的实时性和准确性,基于2000测试集的分类准确率达到61.1%,回归相关度达到0.8546.因此,双激活层在深层人脸美丽特征学习中发挥了重要作用,可广泛应用于人脸图像识别与处理.  相似文献
9.
徐少平  刘婷云  罗洁  张贵珍  李崇禧 《电子学报》2019,47(12):2622-2629
为提高现有开关型随机脉冲噪声(Random-Valued Impulse Noise,RVIN)降噪算法的降噪性能,提出了一种基于卷积神经网络的非开关型RVIN快速降噪算法(Fast Non-switching RVIN Denoising Algorithm,FNRDA).首先,利用噪声检测器随机地检测给定噪声图像中少量不同位置处的像素点;然后,将检测为RVIN噪声点的个数除以被检像素点总数转化为噪声比例值;最后,根据噪声比例值调用相应预先训练好的非开关型卷积神经网络降噪模型,快速且高质量地完成图像降噪任务.实验结果表明:所提出的非开关型FNRDA算法在各噪声比例下的综合性能(降噪效果和执行效率)优于经典的开关型RVIN降噪算法,适用于图像恢复、信号检测、无线通讯等实时系统中.  相似文献
10.
传统的SAR目标检测算法容易受到复杂背景的干扰,因此利用被广泛应用于图像目标检测和识别领域的Faster-RCNN方法,对复杂背景下的SAR图像进行车辆目标检测实验。在对样本数据进行预处理后对车辆真实位置进行标记,采用可视化的深度学习客户端对样本进行裁剪和旋转,扩充样本数据库。利用已充分训练的模型权重对ZF和VGG-16网络进行预训练,再利用扩充的数据集进行训练和验证,并使用包含MiniSAR数据的测试集进行测试。实验证明,ZF网络和VGG-16的检测效果类似,但是ZF网络因为网络层数更少因而检测耗时更短。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号