共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
目标检测是合成孔径雷达(synthetic aperture radar,SAR)图像方面的研究热点,综述SAR图像目标检测的几种方法.通过对传统方法SAR图像目标检测和基于深度学习的SAR图像目标检测进行梳理总结,从实验方面验证深度学习在复杂背景下SAR图像舰船检测存在的问题,分析目前SAR图像目标检测算法的优势和存在的不足,明确SAR图像目标检测急需解决的问题. 相似文献
3.
针对在嵌入式平台上检测无人机时面临的资源占用率高、实时性差的问题,提出一种改进YOLOv5网络的目标检测算法。以YOLOv5s网络为基础模型,使用MobileNetV3网络代替CSP-Darknet53作为骨干网络进行特征提取,并优化改进特征加强网络以及算法的回归框损失函数。基于自建无人机数据集分别在PC机和嵌入式平台RK3399上进行测试,实验结果表明:改进后的YOLOv5算法与原算法相比,在保持较高检测精度的同时,检测速度提升了38%,模型大小降低了45%,有效提升了算法的检测性能,满足应用于嵌入式设备的实际需求。 相似文献
4.
针对在小样本情况下目标检测的问题,对当前小样本条件下的目标检测方法进行归纳总结。列举4 类小
样本学习方法并介绍其优缺点,介绍目前这几类方法的典型算法;进行小样本目标检测实验设计,通过分析各方法
的特点得出其可应用方向;对目前的小样本图像目标检测存在的问题进行讨论。结果表明,该分析能为相关领域的
研究者提供更多的思路。 相似文献
5.
为解决深度神经网络模型小目标检测效果不佳的问题,对Focus结构进行改进,提出一种即插即用的轻量级结构Focus+。搜集相关图像并建立包含5类目标的军事小目标数据集,将Focus+插入常用的目标检测模型,使用不同尺度的输入进行了多组对比实验。实验结果表明:引入Focus+模块后,模型检测的平均精度均值平均提高了0.8 %,说明其能够在占用较少算力的同时提取到浅层网络的高分辨率特征,有效提高小目标的检测精度。 相似文献
6.
7.
针对空中加油因场景光照变化、环境遮挡等情况造成的锥套目标识别精度低、实时性差的问题,提出一种基于级联式Snappy-CenterNet深度网络的锥套目标检测算法。在CenterNet网络的基础上,以HourglassNet为主干网络,改进其bottleneck结构并引入中心池化的方法,对整体的网络结构进行优化,通过级联式的网络提升整体检测精度。实验结果表明:该算法可实现在多种复杂场景下对锥套目标的可靠检测,检测结果的精确率与召回率均可达99%,位置精度与区域精度分别可达99%与96%,更新率可达33.68 Hz,满足空中加油近距视觉导航阶段对于锥套识别的指标要求。 相似文献
8.
面向陆地战场上对反无人机侦察的现实需求,提出一种基于国产嵌入式智能计算平台的无人机检测方法。针对无人机体型小、易受战场环境影响而不易察觉的难题,采用红外、可见光图像和视频流等多源输入进行目标检测;针对嵌入式平台算力和存储能力有限的特性,构建轻量化深度神经网络,通过将单次多盒检测器(SSD)中的特征提取网络替换为MobileNet进行模型优化;选用国产嵌入式平台比特大陆SE5智能计算盒进行验证,完成模型转换和移植。实验结果表明:所提基于轻量化深度神经网络MobileNet-SSD的无人机检测方法在国产嵌入式智能计算平台上能够准确判断出目标的类别,且平均识别精度和帧率与在开发环境中运行差距不大。充分表明所提方法在国产嵌入式智能计算平台上进行移植后,能够在速度和精度方面满足应用环境对无人机检测算法实时性与准确性的要求。 相似文献
9.
10.
为解决航母舰载机已有关键点检测算法的检测性能不高且对遮挡关键点检测效果差的问题,提出一种基于深度残差网络和特征金字塔网络的舰载机轮廓关键点检测算法.通过提取舰载机关键点深层图像特征及对不同尺度的特征进行融合,实验分析目标检测算法、特征提取网络和输入图像大小等因素对关键点检测算法性能的影响,并与其他关键点检测算法进行实验对比.结果表明,该算法能取得最优效果. 相似文献
11.
12.
13.
针对工业生产线上装配机器人在粘连、堆叠、光照变化及环境因素干扰等复杂条件下零件检测率低、鲁棒性差等问题,提出一种基于改进YOLOv3深度学习框架的零件实时检测方法。在基础特征提取网络Darknet-53的每个残差网络后嵌入CFE模块,构建融合CFE模块和Darknet-53的深度特征提取网络CFE-Darknet53,建立YOLOv3深度学习框架下基于CFE-Darknet53的零件实时检测模型,提升检测网络在复杂环境下特征提取能力;设计一种改进K-means算法来预测边界框,通过对零件数据集进行聚类分析,选取最优的锚框个数和尺寸,进一步提高检测准确性。实验结果表明:在复杂条件下,改进算法对相似度很高的多类零件检测准确率能达到91.6%以上,相比YOLOv3算法提升了近10%以上;检测时间为43 ms,在视频传输帧率(24帧/s)下实现了零件实时准确检测。 相似文献
14.
针对深度卷积神经网络存在模型参数量大、占用内存资源等问题,提出了一种基于轻量化网络的SAR图像建筑物检测算法。首先以旋转目标检测算法R-centernet为基础,将主干网络中的传统卷积替换为Ghost卷积,并构建Ghost-ResNet网络,降低模型参数量;其次提出了融合宽高信息的通道注意力模块,增强网络对图像中显著区域的精确定位能力;使用CARAFE上采样代替网络中的DCN模块,在上采样过程中充分结合特征图信息,提高目标检测能力;最后使用改进的R-centernet算法在旋转标注的SAR图像建筑物数据集上进行训练与测试。实验结果表明,相比于原始R-centernet算法,改进后的算法准确率提高了3.8%,召回率提高了1.2%,检测速度提高了12帧/s。 相似文献
15.
弹载图像目标检测方法是实现图像自寻的弹药“发射后不管”、对目标进行自主打击的关键技术。弹药图像自寻的面临着成像环境恶劣,目标特性变化快,对算法体积、速度要求苛刻等问题。围绕弹载目标检测难点问题进行综述,将基于深度学习的目标检测方法区分为基于候选框、无候选框和基于transformer的方法,回顾了各类方法主要研究进展;对特征提取网络轻量化、预测特征图增强、非极大值抑制后处理算法、训练中样本均衡、模型压缩等弹载图像目标检测模型部署中的关键技术进行了梳理;对比了典型目标检测方法在ImageNet、COCO及弹载图像目标数据集上的性能,并对未来发展进行展望。 相似文献
16.
17.
针对相同速度下不同着角对于侵彻爆炸坑半径的影响,分析空地导弹着角与机场跑道毁伤弹坑半径之间的关系。对空地导弹侵彻段深度及爆炸坑半径进行预期,讨论着角对侵彻深度带来的影响,结合经验公式给出着角与爆炸坑之间的计算公式。结果表明:该分析能更好地体现单一影响因素在侵彻段对于毁伤效果的影响,为下一步作战筹划提供参考。 相似文献
18.
为快速分析解决常规导弹封锁机场跑道的作战效能,提出了一种基于系统效能分析(SEA)方法的作战效能分析方法。构建了基于SEA方法的常规导弹封锁机场跑道作战效能分析的框架结构和解析模型; 结合导弹武器作战攻防体系对抗的特点,给出了封锁把握程度分布密度的计算方法并验证了模型的计算精度,该精度可满足实际作战需求。分析了抛撒子母弹分段切割机场跑道的封锁作战特点,运用成爆弹威力环“切割”跑道的思想,通过判断母弹落点与被“切割”跑道之间的几何关系,确定有利弹着区,在此基础上建立了刻画封锁把握程度的跑道失效概率的解析模型; 为了构建反映机场跑道封锁与反封锁对抗过程的封锁时间计算模型,将跑道封锁时间划分为跑道损毁情况判定时间、确定跑道抢修方案时间、排爆作业时间和弹坑修复时间4个部分。构建了排爆作业和弹坑修复阶段作业时间的计算模型,以及封锁时间性能度量的解析模型。对封锁时间性能度量的概率密度函数进行了统计推断。研究结果为后续运用SEA方法进行常规导弹封锁机场跑道作战效能分析奠定了基础。 相似文献
19.
针对机场跑道超载运行的问题,对超载飞机的运行架次进行规划。对飞机荷载、道面承载能力和飞机运
行架次进行分析,依据超载使用准则构建机场跑道超载使用的整数规划模型并进行案例应用。结果表明:该规划可
解决多种机型在超载运行时的架次管理问题,保证跑道资源的合理使用。 相似文献