【摘 要】
：
目标检测是计算机视觉领域内的一项基础任务,旨在定位目标在图像中的位置并进行分类。在强监督学习场景下,部分目标检测算法已经可以实现接近人类的识别能力,然而强监督学习有两个不可避免的缺陷:一是大规模图像数据集的实例级标注成本昂贵;二是在人工标注时可能会引入噪声。针对上述问题,本文研究了如何在弱监督的学习场景（只有图像级标签）下进行目标检测,主要内容如下:（1）针对图像的实例级标签标注成本高的问题,提出
论文部分内容阅读
目标检测是计算机视觉领域内的一项基础任务,旨在定位目标在图像中的位置并进行分类。在强监督学习场景下,部分目标检测算法已经可以实现接近人类的识别能力,然而强监督学习有两个不可避免的缺陷:一是大规模图像数据集的实例级标注成本昂贵;二是在人工标注时可能会引入噪声。针对上述问题,本文研究了如何在弱监督的学习场景（只有图像级标签）下进行目标检测,主要内容如下:（1）针对图像的实例级标签标注成本高的问题,提出了一种级联式弱监督目标检测算法。以改善侯选框的质量为出发点,引入自下而上的线索,结合类激活图生成最初的候选框。在此基础上提出了GPD算法和MPR算法对候选框做进一步地细化调整,进而提升检测精度,且有效缓解了只关注到目标最具辨别性区域的问题。（2）针对遥感图像实例级标签难以获得的问题,提出了一种基于协同学习的弱监督遥感图像目标检测算法。通过对两个目标检测子网络的联合训练,利用两个子网络的优势共同提升模型的性能,且可有效改善对于多目标图像的检测效果。（3）针对于遥感图像中目标小而密集且尺度变化大的特点,设计全新的无损残差网络用于增强骨干网络的表征能力,并提出了多层级池化模块提升对不同尺度目标的检测鲁棒性。（4）本文中所提出的算法,均在大型公开数据集中进行了实验,充分验证算法的有效性。此外,GPD算法和MPR算法能够在不改变网络结构的情况下提升候选框的质量,能够方便地嵌入到其他弱监督目标检测算法中。
其他文献
光纤传感器因为其抗电磁干扰、柔韧性高、响应快、质量轻等优势始终在传感领域中有着一席之地。本文基于化学腐蚀方法设计制作了两种不同结构的光纤法珀传感器,并对其进行了详细的理论分析,搭建了实验系统进行了折射率和温度的实验测试。本论文的主要工作如下:1、为了解决传统光纤传感器温度串扰的问题,本文设计了一种基于化学腐蚀的闭合腔光纤法珀传感器。基于三光束干涉的原理,分析了空气腔腔长和单模光纤腔腔长对反射谱的影
光纤传感器有着灵敏度高、体积小等优点。在光纤传感技术发展过程中,马赫-曾德尔（Mach-Zehnder,M-Z）光纤传感器经过多年研究,已在环境监测、工业生产、桥梁建筑等领域有着广泛的应用。本文提出一种纤芯失配型M-Z光纤多参数测量传感器,利用无芯光纤充当耦合器,实现分光和耦合的作用。该传感器有着简单的结构和较高的灵敏度,能够对折射率、温度、曲率和应力多个参数测量,且消除温度串扰。论文的主要工作内
近年来,基于麦克风阵列的声源定位系统在电话会议、视频会议、移动机器人以及语音增强等系统中被广泛应用,尤其在无人值守环境下的视频监控系统中发挥出很好的实用价值。在实际环境中,由于存在噪声与混响的干扰,使得定位系统的精确度受到了较大的影响,此外,现有的声源定位算法具有较高的运算复杂度,为了满足定位实时性的要求,通常会损失定位的精确度。声源数目在声源定位、跟踪等算法中作为非常重要的先验信息,当声源数目估
近年来,情镜式教学已经在各个学校各个学科普及,其效果良好却也存在一些文体,高中地理教学中培养学生创新与实践能力的现状是一线教师越来越注重情境教学,却忽视情境教学的实质,缺乏科学、有效的实施。面对这种情况,高中地理教师应施行以问题为基础的教学模式,通过"发现问题-提出问题-解决问题"的过程,提高学生的创新思维和问题意识。基于此,笔者提出在高中地理情境教学中运用问题式教学的一些建议,旨在创设地理问题学
合成孔径雷达具有远距离探测、全天时全天候工作的特点,有效提升了信息获取能力,在军事侦察、灾情预报等领域有着广泛应用。随着成像场景的日益增大,需要处理的数据量逐渐增多,传统采样方式无法满足大规模的数据采样与传输需求。压缩感知理论的提出,为解决这些问题提供了思路。该理论指出,当信号满足稀疏条件时,可用少量观测数据高概率无失真的恢复原信号。在雷达观测场景中,由于待观测的目标或感兴趣的区域相对于整个空间来
物联网（Io T）,作为人类感知的延伸,通过将各种智能设备连接到通信网络中,为无线工业自动化、过程控制和环境监测提供了成本效益高、易于扩展的解决方案。Io T设备需要感知周围环境和监测系统状态,将采集到的信息发送给监视器,从而为智能决策和控制提供及时、有效的信息。这类信息通常具备高度时间敏感性,若监视器接收的是过时信息,将会导致无效决策甚至错误控制,并造成巨大的安全问题。因此,物联网设备信息的及时
多目标检测作为现代跟踪技术中的基础技术,一直是计算机视觉领域的研究重点。基于检测的跟踪依赖于高性能的目标检测算法,因此,本文以加强空间位置和细节特征的深度学习网络为多目标跟踪提供目标检测数据,进而复用多路数据优化目标的特征匹配。针对卷积神经网络中连续下采样和特征位置量化导致的高层特征图空间信息混淆、忽略小目标问题,本文提出双瓶颈特征金字塔网络（DBFP-Net）,为目标跟踪提供高质量的目标检测数据
随着无线通信技术的快速发展,社交媒体网络与智能设备也迅速激增,无线电频谱资源短缺的问题日益突出,如果可以改变无线网络中静态的频谱分配策略,实现频谱共享,频谱资源的贫乏以及频谱利用率不高的问题就可以得到解决。由于认知无线电具有巨大的潜力,可以动态地改变系统参数,并实现对频率资源的动态配置,此技术逐渐成为未来无线通信的关键技术之一。能量检测法由于其计算复杂度低和不需要知道主用户的先验信息而成为最常用的
基于原模图构造的空间耦合LDPC（Spatially Coupled Low-Density Parity-Check,SC-LDPC）码校验矩阵对角带呈现非零项的特征,相比于全矩阵采用置信传播（Belief Propagation,BP）,窗译码会带来更低的复杂度及时延,但译码性能随之降低,且窗译码的复杂度仍有较大的下降空间。首先,为降低SC-LDPC码窗译码复杂度,提出多目标符号窗译码。在每个
随着现代科技的不断发展,海面小目标已经成为海洋监视雷达的主要探测对象。这类小目标的雷达散射横截面积小,其雷达回波往往被淹没在强海杂波背景下,这就导致了传统目标检测器检测概率低的问题。因此,本论文主要研究海杂波特性和高维特征域小目标检测方法。通过分析海杂波多个域的统计特性,深入挖掘海杂波和含目标回波的差异性,并借助机器学习算法,实现多个特征的联合检测,进一步提升雷达对海探测性能。论文的核心研究内容共