检索结果-内蒙古大学图书馆

海军航空工程学院学报 2013年第2期28卷 161-166页

作者：刘峰张立民张瑞峰 92785部队海军航空工程学院电子信息工程系海军航空工程学院科研部

在遥感图像机场目标分类方面,支持向量机(SVM)有着广泛的应用,但由于样本不平衡问题以及不确定性数据的存在,传统SVM算法的分类精度与效果还无法令人满意。为提高传统SVM分类器的性能,文章将建立在模糊理论基础上的模糊核C-均值聚类算法... 详细信息

在遥感图像机场目标分类方面,支持向量机(SVM)有着广泛的应用,但由于样本不平衡问题以及不确定性数据的存在,传统SVM算法的分类精度与效果还无法令人满意。为提高传统SVM分类器的性能,文章将建立在模糊理论基础上的模糊核C-均值聚类算法(KFCM)用于处理遥感数据的不确定性问题,并通过聚类分析后的目标子图,剔除非目标样本的同时保留了目标样本,较好地解决了样本不平衡问题。将基于KFCM的SVM分类算法用于遥感图像机场目标的分类,实验结果和性能分析表明该算法分类性能优于传统SVM算法。

关键词：目标分类算法支持向量机模糊核C-均值聚类算法遥感图像

来源：评论

学校读者我要写书评

暂无评论

遥感图像舰船目标检测方法研究

遥感图像舰船目标检测方法研究

引用

作者：东科中国科学院大学

学位级别：硕士

随着高分辨率、短重访周期的卫星不断升空，高质量遥感影像成指数级的增长。在获取海量数据的同时提升对遥感数据的解译效率是遥感图像处理与分析领域中的重要课题。舰船是海上运输的载体及重要军事目标，判断遥感图像中是否存在舰船并... 详细信息

随着高分辨率、短重访周期的卫星不断升空，高质量遥感影像成指数级的增长。在获取海量数据的同时提升对遥感数据的解译效率是遥感图像处理与分析领域中的重要课题。舰船是海上运输的载体及重要军事目标，判断遥感图像中是否存在舰船并对其检测、分类及精确定位对于海洋监测具有重大的意义。在民用领域中，检测舰船对污染防治，捕鱼船监控，移民与走私，监控海运交通，舰船寻找与救助等至关重要，在军事领域中，对于监控敌方港口，分析敌方海上作战实力，引导制导武器精确打击等方面有着重要意义。　　本文针对遥感图像舰船目标的特性，主要研究如何解决或者有效改善遥感图像舰船检测问题的四个难点:小目标居多，舰船排列紧密，船只方向任意，船只纵横比大。并针对难点问题的研究，设计并实现针对遥感图像的舰船目标检测算法，完成的研究工作如下:　　(1)设计并优化舰船特征提取与目标定位算法。针对此部分算法提出三个不同的优化方法。在基础网络部分使用更优秀的特征提取网络，对ResNet和ResNeXt两种网络进行分析比较及相应实验。在特征融合部分改进特征金字塔网络，结合感受野模块进行多层级特征融合。在区域候选网络部分对超参数进行分析实验，并使用Soft-NMS算法作为后处理算法。实验结果表明，上述方法均有效改善了检测算法的能力。　　(2)设计并优化舰船目标分类与位置回归算法。针对此部分算法分析其算法流程及针对性优化方法。采用RoI Align算法代替RoI Pooling算法获取候选框特征图，提升RoI定位精度。针对舰船外形特征，在水平框目标检测基础上加入旋转框目标检测，并结合旋转框的设计加入对船头方向的估计。在后处理NMS部分，加入针对旋转框的NMS算法。实验结果表明，上述方法均有效改善了检测算法的能力。　　(3)遥感图像舰船目标检测算法整体实验设计与验证。构建数据集，使用DOTA、Kaggle Airbus和实验室自行标注数据构建数据集，并针对数据进行预处理与数据增强。针对增强后的数据进行算法具体实现。使用F1值作为主要评价指标，针对数据增强部分，Anchor设计部分，特征提取与目标定位算法部分和目标分类与位置回归算法部分进行实验设计并分析实验结果，同时将本文算法与经典算法进行比较，结果表明，本文算法具备很强的竞争力。

关键词：遥感图像舰船检测目标定位目标分类算法位置回归算法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的驾驶员行为分类方法研究

基于深度学习的驾驶员行为分类方法研究

引用

作者：魏浩然哈尔滨工业大学

学位级别：硕士

驾驶事故是当今社会最严峻的问题之一，约九成驾驶事故是由于驾驶员行为不规范引起，利用准确高效的监管系统可有效降低事故发生概率。但现有系统面临诸多问题：使用机器学习方法提取特征，计算速度较慢，时效性较差;异常驾驶行为样本... 详细信息

驾驶事故是当今社会最严峻的问题之一，约九成驾驶事故是由于驾驶员行为不规范引起，利用准确高效的监管系统可有效降低事故发生概率。但现有系统面临诸多问题：使用机器学习方法提取特征，计算速度较慢，时效性较差;异常驾驶行为样本过少，难以训练有效分类模型;现有模型结构单一，分类精度差强人意。因此，设计精度高，速度快的驾驶员行为分类算法尤为重要。　　针对以上问题，本文提出基于深度学习的驾驶员行为分类算法，利用目标检测算法分割驾驶员图像，然后设计目标分类算法对驾驶员行为分类，主要工作如下：　　设计轻量一体的目标检测算法提取驾驶员图像，解决图像中乘客或其他杂物干扰分类结果问题。采用一体化的网络检测图像中驾驶员位置，结合数据集特点，进一步优化网络结构，调整网络可接受输入尺寸，使用轻量化网络结构减少参数，降低模型体积，为克服随之而来的检测速度下降困难，在模型生成阶段合并部分网络层，既保证驾驶员图像提取精度又维持了原有检测速度。　　提出基于关键点的驾驶员行为分类方法，使用多层串联网络提取驾驶员躯体关键点，结合局部区域与各点的二维向量特征修正识别结果，通过提取的关键点坐标获得驾驶员姿态特征，利用不同的上采样算法在样本空间对少数类数据集扩充，使用欠采样算法抽取部分多数类样本与扩充后的少数类样本组合训练，采用数据清洗算法进一步划分不同类别间的边界。实验结果表明，基于关键点分类方法能够在一定程度上克服样本不均衡问题。　　设计基于联合特征的驾驶员行为分类方法，使用对分类贡献较大的四个子区域特征与全局特征联合，通过类激活图分析原始分类结果，选择在各类别中均具有较大贡献的子区域图像提取特征，采用不同方法生成联合特征，在原有特征联合方法的基础上，利用注意力机制设计自适应权重学习网络，自主学习不同区域权重，融合局部与全局特征对驾驶员行为分类。经实验证明，联合特征模型分类精度为94.5%，取得良好效果。

关键词：异常驾驶行为分类图像分割目标检测算法目标分类算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：