【摘 要】
:
机载成像系统广泛应用于战场侦察、交通监管、安全巡检、灾区搜救等军民领域,机载目标检测识别是场景感知、目标搜索的重要手段。近年来,深度学习检测方法取得比传统检测方法更好的效果。然而,机载探测距离远,目标尺寸小而场景复杂;机载资源受限而实时性需求高,给机载检测带来挑战。本文针对检测模型庞大、小目标精度低、推理时间长的问题开展特征提取结构、空间上下文方法和端到端推理研究。针对特征提取中小目标特征匮乏易丢
论文部分内容阅读
机载成像系统广泛应用于战场侦察、交通监管、安全巡检、灾区搜救等军民领域,机载目标检测识别是场景感知、目标搜索的重要手段。近年来,深度学习检测方法取得比传统检测方法更好的效果。然而,机载探测距离远,目标尺寸小而场景复杂;机载资源受限而实时性需求高,给机载检测带来挑战。本文针对检测模型庞大、小目标精度低、推理时间长的问题开展特征提取结构、空间上下文方法和端到端推理研究。针对特征提取中小目标特征匮乏易丢失的问题,提出基于特征聚合的轻量化小目标检测框架。该框架设计多层级聚合结构来聚合浅层特征,减少小目标细节信息丢失,并在像素级聚合结构中为特征图生成不同尺度的幻影,丰富小目标语义信息。另外,网络中所有结构均作了轻量化设计,大幅压缩了模型大小。实验表明多层级特征聚合网络以2.46M参数量实现19.32%m AP的检测精度,实现精度和性能均衡。针对机载视角下场景复杂、特征变化多样导致小目标检测精度低的问题,提出全局-区域感知检测网络。鉴于目标与图像场景的内在联系,该网络提出空间全局感知编码和空间区域感知编码结构分别对图像特性和区域场景建模。用图像特性编码信息引导学习目标多样化特征,减少拟合难度。用区域场景编码信息帮助理解背景语义,降低误检概率。对比分析实验证明全局-区域感知网络具有建模机载场景的能力,对极小目标(<16×16像素)检测性能提升了19.5%。针对机载视角下目标数量多导致后处理耗时长的问题,提出端到端推理的稀疏框预测网络。该网络设计的3D滤波结构结合相邻层预测结果,并行计算抑制冗余预测框,取代后处理非极大值抑制操作,实现端到端推理流程,加快网络检测速度。针对稀疏框预测网络精度低的问题,提出动态混合损失来训练模型,增加稀疏特征拟合能力,显著减少精度损失。实验表明,输入640×640分辨率图像,稀疏框预测网络将检测速度从30FPS提升至40FPS,仅有0.62%m AP精度损失。
其他文献
为了提高运载火箭的运载能力,运载火箭的设计逐渐往轻质化、大型化发展,导致弹性振动对运载火箭飞行性能的影响越来越大,不可忽视。而弹性振动方程的引入又导致火箭控制模型更加复杂,控制器设计难度更高。考虑到弹性模态和刚体姿态在时间尺度上一般存在较大差异,论文将利用奇异摄动理论能够有效处理双时间尺度系统的能力,开展运载火箭弹性抑制和姿态控制研究。首先,论文开展了弹性振动作用下的动力学分析,建立了运载火箭包含
包括下肢外骨骼、下肢智能假肢、下肢智能矫形器在内的下肢可穿戴机器人能够增强或恢复人体下肢运动能力,在医疗、军事和工业生产等领域具有重要的应用价值。下肢运动意图识别是下肢可穿戴机器人领域的一个重要研究方向,能够帮助机器人理解并顺应使用者的运动意图,提升其舒适性、安全性和智能化水平,有利于推动我国智能康复设备和国防装备的发展。充分获取并有效融合反映下肢运动意图的多模态传感器信息、同时准确识别下肢运动意
新能源、分布式能源为智能电网带来了新的机遇与挑战。智能电表与PMUs(phasor measurement units)等智能量测设备的大量部署,为电力供应商提供了海量数据信息,如何利用先进的数据分析技术保障电力系统的安全高效运行受到广泛的重视。线路拓扑辨识与用户特征提取是智能电网数据分析中的两大重要技术,对于优化运行决策和需求响应至关重要。因此,本文针对智能电表与PMUs量测数据驱动的线路拓扑辨
实例分割是一种最接近人类真实视觉感受的计算机视觉任务。虽然已有许多先进的方法,但是他们无法实现特定场景下的良好分割。其中,行人实例分割就是一个充满挑战的课题。由于密集行人存在大量遮挡,且可能尺度差异大、形变剧烈,设计一种精准、快速的行人实例分割算法尤为困难。Deep Snake是一种轻量化、扩展性强的网络,但是其在行人类别上表现不佳。因此,为了提升分割性能,对相关算法进行了分析和研究,提出了改进的
二阶微分方程在天体力学、分子动力学、量子力学、电子学和流体动力学等领域中具有广泛应用.由于人们一般难以求出其理论解,故通过构造数值算法以获得其高效高精度的数值解具有重要研究意义.本文针对一类二阶非线性时变延迟微分方程的初值问题与边值问题,构造了相应的Runge-Kutta-Nystr(?)m(RKN)方法,并分析了这两类方法的收敛性与非线性稳定性,最后通过数值实验验证了理论结果的正确性以及方法的可
Sine-Gordon方程可以用于描述某些重要的物理模型和现象,例如超导传输系统中横向电磁波的传播模型、耦合的同轴钟摆模型以及水晶错位现象.而空间分数阶sine-Gordon方程具有空间方向上的非局部效应,是经典sine-Gordon方程的推广.另外,通过引入延迟,微分方程能更准确地拟合一些具有历史记忆的模型和自然现象.因此在本文中,我们研究具分布型延迟的空间分数阶sine-Gordon方程.由于
行人重识别作为监控系统中关键的一环具有重要的研究意义,不同数据类型间的行人重识别也具有各自的应用场景。而不依赖标签的无监督场景研究,可以充分发挥数据量优势,并节约人工成本。本文借助无监督问题中常用的对比学习方法,分别对图像、视频和跨图像视频三种场景的行人重识别方式展开了研究。着重解决了现有的无监督行人重识别方法在样本标签去噪、视频信息提取和模态差异减小等方面存在的问题。针对无监督图像行人重识别问题
集群目标在自然界和社会生活中广泛存在,例如:无人机群、导弹群、战斗机群、鸟群和蜂群。因此,以空中集群目标为观测对象的研究对社会生活和军事国防均有重要的意义。但是,由于集群中目标数量多、间距小、表观特征相似等,在光学观测条件下运动轨迹多有交叉或遮挡,采用当前的一些跟踪手段,目标之间往往存在严重的跟踪干扰,其运动轨迹稳定跟踪是亟待突破的难点问题。针对以上问题,本文以开放空间中的蜂群目标为观测对象,对群
我国房价在2022年以前逐年上涨,高额的房价成为了许多年轻人的负担。因此,租房居住成为了现代人的一种越来越常见的生活方式,但我国目前的房屋租赁系统还不够完善,仍然存在许多乱象。在此基础上,分析住房租金的影响因素以及运用机器学习方法来预测租金,对我国当前租赁市场的发展有着较为重要的意义。本文利用python从链家网爬取了武汉市2月28日出租房源数据共9930条。首先对原始数据进行数据预处理,通过各种
在指标理论中,辛流形上量子化与辛约化可交换([Q,R]=0)是研究热点之一,且具有十分重要的理论意义.本文是一篇综述,旨在将紧致无边辛流形[Q,R]=0推广到紧致带边辛流形的情形.在本文中,我们首先介绍了辛流形(M,ω)上的一些基本概念与定义,简单回顾了辛流形上的Spinc-Dirac算子DL及其形变算子DTL和Hamilton群作用及相应的矩映射μ.同时,我们介绍了约化空间(MG,ωG)的一些知