【摘 要】
:
最近的二十年里,随着民航业的快速发展,传统的民航监控手段已经越来越不能满足现代机场场面监视的要求。而计算机视觉技术作为一种较为成熟的技术,已经开始应用于机场场面智慧化建设。在机场的智慧化建设过程中,作为计算机视觉技术的目标分割技术显得尤为重要。然而,由于机场场面环境复杂多变,传统的目标分割算法已经显得力不从心,在实际应用中效果不佳。近年来,由于卷积神经网络凭借其对图像数据强大的特征表达能力,已经广
论文部分内容阅读
最近的二十年里,随着民航业的快速发展,传统的民航监控手段已经越来越不能满足现代机场场面监视的要求。而计算机视觉技术作为一种较为成熟的技术,已经开始应用于机场场面智慧化建设。在机场的智慧化建设过程中,作为计算机视觉技术的目标分割技术显得尤为重要。然而,由于机场场面环境复杂多变,传统的目标分割算法已经显得力不从心,在实际应用中效果不佳。近年来,由于卷积神经网络凭借其对图像数据强大的特征表达能力,已经广泛被应用于相关视觉任务中,并取得了一定的效果。因此,基于深度学习相关理论,针对机场复杂环境建立一个可行性好、鲁棒性强的运动目标分割方法是很有实际意义的。本文的主要工作如下。由于机场场面辽阔,环境复杂多变,同一个监视画面中会出现不同尺度的目标,而卷积神经网络在特征提取过程会逐渐丢失细节信息。因此,在图像分割领域,使用多尺度结构来获得不同尺度特征,以期望恢复精细检测结果。目前在目标分割任务中,融合不同尺度特征时并没对特征进行选取。于是,本文提出将注意力机制加入到多尺度结构中,让模型学习重要的多尺度特征。另外,由于机场监视是一个长视频序列,在一些复杂场景中,基于深度学习的方法会把相同类型的静止飞机分割为运动目标。为了让模型能够感知运动特征,需要保持一个稳定的背景模型,本文提出了一种新颖的背景估计生成模块估计一个稳定背景。并使用对比特征融合模块来描绘语义上准确的前景形状表示。通过在机场数据集上的大量实验,与其它经典方法进行对比,验证了该方法的鲁棒性。在机场实际应用中,需要稳定地保持对目标的精细分割,而常用的特征提取网络中,没有考虑特征之间的内在相关性,为此,本文提出了一种可学习的多尺度边缘特征编码模块,有效的学习具有多尺度特征的多帧编码器之间的内在相关性,并通过跳跃连接来进行特征解码。针对机场环境中,前景背景样本不平衡问题,使用Focal Loss来指导训练网络,来增加对数据中困难样本的关注。另外,本文通过统计学方法,构建一个机场背景来指导模型编码目标特征,并使用基于传播的思想来引导运动目标分割。通过机场数据集上的实验结果表明了本文模型设计的合理性。
其他文献
随着汽车电器功能配置的不断丰富,汽车线束所承载的电器功能连接点也不断增多,而确保汽车线束的连接可靠性的各技术要点中,端子压接技术由于涉及的过程较多,机械控制难度复杂,在实际的应用层面出现问题最多,本文从涉及端子压接的物料角度对端子压接技术的控制要点及判断要求进行了阐述,为汽车线束工程师在设计及管控方面,提供相应的应对措施和理论依据。
本文对在视距LoS(Line of Sight)环境下单载波多输入多输出MIMO(Multiple Input Multiple Output)系统的一些关键技术做出了研究,在固定宽带无线接入FWA(Fixed Wireless Access)等陆基点对点通信、卫星通信等应用场景的高速数据传输中具有潜在的应用前景。宽带高速通信下的频率选择性衰落及码间干扰和流间干扰,很大程度上限制了当前毫米波通信系
随着通信技术的发展和现代电子战的需要,无源定位系统中需要对输入宽带信号中的多个不同目标信号进行实时定位处理,而这些目标信号的中心频点和占用的带宽各不一样,因此,面向无源定位的可变信道频点和信道带宽的信道化接收机对国防军事领域有着特别重要的现实意义。本文以某无源定位项目中的信道化接收机为主要研究对象,通过对时域信道化和频域信道化的优缺点进行分析,选择时域信道化方法,在此基础上,对时域信道化的两种主要
随着时代的信息化发展,辐射源个体识别逐渐成为通信领域中一个重要的研究课题。此技术在电子战争、军事通信、频段保护、恶意设备鉴别和网络安全等多个领域具有重要的意义,虽然其在军用与民用领域都已获得了丰富的应用成果,但仍面临着一些亟需解决的困难。实现个体间的识别的依据是辐射源信号指纹,即辐射源个体内部硬件的差异体现在其发射信号上的细微特征,具有普遍性和判别性。通过信号获得细微特征的过程叫做辐射源个体的特征
社交媒体技术的进步和应用的普及,使得每天会产生难以计数的社交数据,如何对其进行高准确率的情感分析是舆情分析领域中的热点问题。这些热点问题主要分为两类,一是随着使用者年龄段的变化,社交数据从标准的文本逐渐往弱规则文本转变,二是科技的进步使得图片的上传变得容易,大量图像与文本结合的社交媒体数据取代了原有的纯文本数据。现有的情感分析方法大多是对标准文本数据进行情感分析,这些方法通过语法规则来协助判断情感
随着移动通信技术不断发展,第五代移动通信系统(Fifth Generation Mobile Communication,5G)得到了大规模商用,其中波形调制技术和多址接入技术使得系统容量和频谱效率得到了大幅度提升。精确的信道状态信息(Channel State Information,CSI)是这些技术生效的前提。现有方法获取CSI的导频开销与天线数和用户数成正比,且导频复用会严重影响系统的性能
基带混合信号有显著的实用价值。本文总结并完善了现有的混合信号分离理论,从混合信号识别、抗多天线分离、可分离域、可分离性的角度,更完整地证明了基带混合信号的高抗截获性能与实用性,明确了基带混合信号模型的设计原则,确定了相关的调制参数。证明了基带混合信号可以等效为单路信号通过有记忆信道,该等效处理方式是一种针对混合信号的新的研究方式,并以此为基础从最大似然序列检测的角度得到了基带混合信号分离的最优误符
在认知无线网络中,认知用户可以通过动态感知频谱资源,机会式地接入到当前未被授权用户占用的授权频段,减少频谱资源的浪费。为了协调这一接入过程,任意两个认知用户可以在缺乏授权频谱资源的情况下利用跳频方式实现在公共可用信道上的汇聚,并交互包括频谱感知结果、时钟和握手协商等各类型控制信息,从而实现不依赖于任何固定控制信道的控制信息交互,并有效缓解单个控制信道存在的流量饱和问题。现有针对跳频汇聚问题的研究大
在无线通信中,低密度奇偶校验(Low Density Parity Check,LDPC)码与RS(Reed-Solomon)码能够有效地提高通信系统的可靠性。尤其是LDPC码,得益于校验矩阵(H矩阵)的稀疏性以及软判决译码的应用,其译码性能具有逼近香农极限的特性。然而,由于H矩阵存在短循环,LDPC在译码阶段经过瀑布区后会遭遇错误平层,使得其可靠性下降。考虑到RS码不仅能够纠正突发错误,还可以消
传统的移动自组织网络受限于技术和成本,大多采用单信道的竞争类MAC(Media Access Control)协议,当网络规模或网络负载变大时,网络性能急剧下降,且难以提供QoS支持。为了满足大规模节点同时通信、网络最大吞吐量12Mbps、分组投递成功率不低于90%和QoS支持的需求,本文提出了一种多信道TDMA自组织网络协议,主要研究内容如下:第一,通过对目前已有的自组网路由和MAC技术现状进行