面向可变信道环境的真实射频信号数据集构建

基于深度学习的射频指纹(Radio Frequency Fingerprinting, RFF)识别具有增强物理层安全性能的潜力。近年来,为了满足深度学习对大规模数据的需求,提出了几种RFF数据集。然而,这些数据集是从类似的信道环境中收集的,多数仅提供来自接收器的接收数据。针对上述问题,利用软件无线电设备作为无线电信号发生器,通过自定义收发射机系统参数,如频带、调制模式、天线增益等,实现射频信号数据集的个性化定制。由于数据集是通过各种复杂的信道环境生成的,旨在更好地描述现实世界中的射频信号,因此在发射机和接收机处同时收集数据,可以模拟基于长期演进(Long Term Evolution, LTE)的真实RFF数据集。此外,通过一个基于卷积神经网络的射频指纹识别例程,验证了数据集的可用性,所提出的数据集和相关代码均可以在GitHub下载。     

基于RGBD数据与深度权重的压缩光场显示

使用多层空间光调制器的压缩光场(compressive light field,CLF) 显示技术具有空间带宽利用率高、图像分辨率好等优势,是一种很有前景的光场显示技术。传统的方法将光场分解视为超定问题并使用优化算法求解。随着重建光场的分辨率、深度、视角等性能参数的提升,优化算法的计算效率低、内存消耗大的缺陷被放大,难以实现快速计算。为此,本文提出了一种新型CLF分解算法,该算法将原始光场分解为物点进行存储,仅占用少量内存;利用深度权重和加权平均代替了优化算法,大幅提高了运算效率。在同等条件下,所提出的算法占用内存仅是传统方法的38.8%,计算时间缩短了93.7%,图像质量提高约1 dB。最后通过仿真和实验两种方式对比了该方法和传统方法的显示效果,验证了算法的有效性。     

迷彩伪装目标图像语义分割数据集的构建

数据集是基于深度学习语义分割技术的重要组成部分.为了将语义分割技术应用于野外战场环境,构建一个符合实战场景的数据集至关重要.针对迷彩伪装目标侦察识别的作战保障需求,分析了野外战场环境及战场侦察图像的特点,设计了特定场景数据集的构建流程与方法,构建了具有精细化语义标注的语义分割数据集CSS,并通过实验验证了该数据集在语义...     

面向大数据集的递增聚类方法研究

以往提出的面向大数据集的递增聚类方法直接将多维度的大数据集转换成一维大数据集,导致聚类成果不佳,故提出面向大数据集的递增聚类新方法。为取得高聚类效率,在高度保留原始数据维度的情况下,简化了大数据集递增聚类步骤,构建出大数据处理集合,对集合中的标志样本进行局部递增聚类,将未能成功聚类的大数据平均分配到局部递增聚类结果中,使用高斯概率密度函数和证据理论检测其中的错误坐标并进行改正,获取最终的递增聚类结果。实验结果证明该方法具有优越的聚类成果和聚类效率。     

基于最小数据集的网络数据质量管理研究

随着通信行业的快速发展,电信运营商网络资源数据体量越来越大,对数据的质量要求也日益增强,从而导致数据质量与数据维护成本之间的矛盾越发尖锐.因此,本文提出通过压缩需维护的资源数据,创建一个能够满足生产需求的核心数据集合的办法,来有效解决数据质量和维护成本之间的矛盾.同时,研究建立一套最小数据集管理体系,实现对数据字段进出最小数据集进行管理,并对最小数据集的数据质量进行保障.     

面向光信息存储的小尺寸光场研究进展

人类社会正处于信息爆炸的大数据时代,迅速膨胀的数据在持续高速增加,需要越来越大的存储容量来承载。高密度光存储技术具有非接触、抗电磁干扰、存储密度高等优点,为更好地存储、处理、分析每天产生的海量数据提供了优质方案。然而,光储存记录点的尺寸受到衍射极限的限制,传统光存储技术的存储密度难以大幅提升。近年来,随着多参量光场调控技术的发展,高数值孔径物镜聚焦下的结构化光场有了更新颖的结构、更丰富的维度和更小的尺寸,为高密度光存储提供了更多选择。本文将综述光场调控技术在紧聚焦焦场上的最新成果,介绍实现空间紧聚焦焦场的理论设计、模拟、实验、高效生成器件和应用。这些成果将会更好地服务于高密度光存储技术的研究与应用。     

RSDD-SAR:SAR舰船斜框检测数据集

针对合成孔径雷达(SAR)舰船斜框检测数据集较少,难以满足算法发展和实际应用需求的问题,该文公开了SAR舰船斜框检测数据集(RSDD-SAR),该数据集由84景高分3号数据和41景TerraSAR-X数据切片及2景未剪裁大图,共127景数据构成,包含多种成像模式、多种极化方式、多种分辨率切片7000张,舰船实例10263个,通过自动标注和人工修正相结合的方式高效标注。同时,该文对几种常用的光学遥感图像斜框检测算法和SAR舰船斜框检测算法进行了实验,其中单阶段算法S2ANet检测效果最佳,平均精度达到90.06%。通过实验对比分析形成基准指标,可供相关学者参考。最后,该文通过泛化能力测试,分析讨论了RSDD-SAR数据集训练模型在其他数据集和未剪裁大图上的性能,结果表明：该数据集训练模型具有较好的泛化能力,说明该数据集具有较强的应用价值。RSDD-SAR数据集可在以下网址下载：https://radars.ac.cn/web/data/get Data?data Type=SDD-SAR。     

AIR-SARShip-1.0:高分辨率SAR舰船检测数据集

近年来,深度学习技术得到广泛应用,然而在合成孔径雷达(SAR)舰船目标检测研究中,由于数据获取难、样本规模小,尚难以支撑深度网络模型的训练。该文公开了一个面向高分辨率、大尺寸场景的SAR舰船检测数据集,该数据集包含31景高分三号SAR图像,场景类型包含港口、岛礁、不同级别海况的海面等,背景涵盖近岸和远海等多样场景。同时,该文使用经典舰船检测算法和深度学习算法进行了实验,其中基于密集连接端到端网络方法效果最佳,平均精度达到88.1%。通过实验对比分析形成指标基准,方便其他学者在此数据集基础上进一步展开SAR舰船检测相关研究。      

对人脸识别数据集偏见现象的研究

在深度学习人脸识别中,数据集扮演了重要的角色,而人脸识别数据集由于收集条件的不同和收集者的主观性,可能会导致一定的偏见现象.我们通过LFW、自采数据集在经典人脸识别算法SphereFace、CosFace、VGGFace进行识别测评,确定了人脸识别数据集由于收集条件的不同和收集者的主观性,会导致一定的偏见现象,这些现象...     

大规模亚洲人脸数据集的构建

随着深度学习方法的使用,人脸识别准确率得到突破性进步。基于深度学习的人脸识别方法准确率提升依赖于网络模型优化和训练数据集增强两个方面。然而,亚洲人脸的公开数据集非常稀缺,因此,文中通过利用半自动化处理流程创建了包含5k个亚洲明星(共计50w张图片)的人脸数据集,并比较了基于WebFace公开数据集与基于以上流程所建数据集训练的深度网络测试效果。相比之下,本文所建数据集在亚洲人脸的测试准确率具有明显优势。     

面向仓储货物的轻量化目标检测算法

为了实现对仓储环境下货物的精确检测,提出了一种可用于智能仓储机器人的轻量化仓储货物检测方法（EYOLOv4-Lite）。该方法以YOLOv4为基础,引入MobileNetv3重构特征提取网络,在PANet中以深度可分离卷积代替标准卷积,减少模型参数量和运算量。融入改进的convolutional block attention module(CBAM),进一步提升网络检测性能,改进的CBAM采用自适应的一维卷积代替通道注意力模块中的全连接层,采用具有膨胀卷积的残差结构扩大空间注意力模块中的感受野。最后,在RPC商品数据集上进行了网络训练和实验测试,其参数量为11.25 MB,检测时间为14.4 ms,每秒传输帧数达到69.2,平均检测精度为95.43%。实验结果表明,改进后的E-YOLOv4-Lite模型具有精度高、实时性好和轻量化的优点,能够更好地满足仓储环境中的货物检测需求。     

面向SAR解译的OpenSAR数据开放共享平台

大量带有真值标注的数据集是SAR图像解译研究的重要基础和支撑。在推动SAR图像解译研究发展面临的诸多困难之中,缺少一个开放共享的数据集用于解译算法的研究和公平测试比较,是其中一个非常重要的因素。文中主要介绍构建的国内第一个面向SAR图像解译的数据开放共享在线平台:OpenSAR。详细介绍了OpenSAR平台的设计思想、功能组成、关键技术和已有数据集。通过该平台的构建,对于SAR解译研究能够取得良好的促进作用。     

云计算环境中多维数据集的查询与分布策略研究

针对多维数据集的特点,首先定义了查询等价集等概念,并结合云计算环境提出了多维数据集的查询算法.根据算法过程中各类因素的影响,提出了一种云计算环境中多维数据集的数据分布策略.理论分析与实验结果均表明,将本文提出查询与分布策略应用于云计算环境中的多维数据集,能有效的优化数据分布,提高数据查询的效率.     

基于可变阶数的集员滤波仿射投影算法

为了解决传统集员滤波仿射投影(SM-AP)算法收敛速度与稳态失调和计量复杂度之间的矛盾,提出一种新的数据选择性仿射投影算法。此算法在传统SM-AP算法的基础上,引入可变阶数(也称数据重用因子),称为基于可变数据重用因子的集员滤波仿射投影(VDRF-SM-AP)算法。通过利用步长提供的信息,此算法可以自动地分配数据重用因子,实现了在初始阶段数据重用因子大,收敛后数据重用因子小的目标,从而既保证了收敛速度又降低了稳态失调。通过理论分析和仿真验证,新算法的整体复杂度比其他传统的SM-AP算法低很多,同时保留了传统的SM-AP算法的快速收敛特性,但是却能达到更小的稳态失调。     

基于角度内插仿真的飞机目标多角度SAR数据集构建方法研究

随着SAR技术应用领域的扩大以及SAR数据获取技术的发展,构建各种典型目标的多角度SAR数据集的需求日益迫切。针对飞机目标,目前尚未有比较完备的多角度SAR图像数据集。该文探索了一种基于实测数据和智能仿真相结合的数据集构建方法,通过飞行试验采集飞机目标SAR多角度数据,并基于散射分析和自注意力生成对抗网络实现特定角度的SAR图像内插仿真,从而为数据集构建和扩容提供新的解决方案。最后,在假定部分数据缺失的情况下,通过6种评价指标对仿真图像和实际采集图像的相似度进行了评价,验证了所提方法的有效性。      

针对不平衡数据集的维数约简方法

针对不平衡数据的分类问题,本文提出了一种新的方法,将特征选择应用在不平衡数据集中,首先对数据集进行预处理,然后从特征选择的角度出发,选择具有较强能力代表数据集的特征,简化数据的同时也提高了分类性能。通过实验表明,该方法能够有效地提高分类精度。     

基于气象数据集的元数据本体构建研究

在介绍气象数据集特征的基础上,运用面向对象的方法对气象数据集元数据进行对象化,提出了包括元数据类、数据集标识信息类等10个元数据类和表示元数据元素域的代码表类的构建方法,并在元数据类的基础上运用本体的构建方法构建了元数据本体,最后利用OWL语言形式化地描述了元数据本体.     

COVID-19医学影像数据集的研究与分析

新型冠状病毒(COVID-19)被首次发现以来目前感染病例超过一亿,死亡人数高达二百多万,对全球的经济活动和社会活动造成了严重的破坏,给国际危机管理和医疗保健体系带来了严峻的考验。基于人工智能的医学影像技术在COVID-19检测方面具有一系列的优势,然而面向建模使用的数据集可用性限制了COVID-19诊断模型的发展。本文介绍了COVID-19检测常用的医学影像公开数据集,讨论了在COVID-19诊断建模时遇到的阻碍,并且分析了融合数据集时对图像采用的一系类预处理方法。文章指出了面向人工智能建模的COVID-19数据缺乏公开性,强调在使用融合数据集进行建模前应采取合理的预处理方法,并且在追求算法的优化和创新的同时应当注重数据的可靠性,提出了启动开源并且可扩展的COVID-19医学影像收集并且发展相应的图像集质量保障机制的倡议。     

基于镶嵌数据集的大规模遥感影像管理研究

介绍了三种传统影像管理模式的优缺点和存在的问题,同时研究了ESRI公司的镶嵌数据集技术,包括镶嵌数据集的管理模式、动态镶嵌、实时处理和服务共享等特性。通过对实验数据进行分析可知,镶嵌数据集能够高效地管理大规模遥感影像,并能解决传统影像管理中存在的问题。