【摘 要】
：
合成孔径雷达（Synthetic Aperture Radar,SAR）图像舰船目标检测技术可以自动标注SAR图像中舰船所在位置,其在军事和民用领域都具有重要应用价值。SAR高分辨率成像技术的不断发展,丰富了目标特征信息,为深度学习技术在SAR图像检测领域的应用提供了数据基础。SAR图像具有场景大目标小的特点,并且图像中舰船目标尺寸跨度大,舰船形态多样,多种尺度的舰船目标给检测过程增加了一定难度。
论文部分内容阅读
合成孔径雷达（Synthetic Aperture Radar,SAR）图像舰船目标检测技术可以自动标注SAR图像中舰船所在位置,其在军事和民用领域都具有重要应用价值。SAR高分辨率成像技术的不断发展,丰富了目标特征信息,为深度学习技术在SAR图像检测领域的应用提供了数据基础。SAR图像具有场景大目标小的特点,并且图像中舰船目标尺寸跨度大,舰船形态多样,多种尺度的舰船目标给检测过程增加了一定难度。针对这一问题,本文提出密集特征金字塔网络,充分提取SAR图像舰船目标特征,进行有效融合,提高了检测器对SAR图像多尺度舰船目标的检测能力。之后设计搭建SAR舰船检测系统,实现了SAR舰船检测算法的移动端部署。本文首先详细介绍了SAR图像的成像机理和SAR图像舰船目标的特性,总结SAR图像舰船目标检测面临的问题。然后介绍了基于深度学习的SAR图像舰船目标检测方法,并分析了现有算法在解决SAR舰船目标检测问题上遇到的困难。由于目前深度学习方法无法很好地解决SAR舰船目标的多尺度检测问题,存在大量漏检情况,本文提出一种多尺度特征融合网络,即密集特征金字塔网络。通过重新设计跨层连接结构,采用自顶向下、自底向上和密集横向连接融合高层强语义信息和低层高分辨率信息,充分提取融合不同尺度SAR舰船目标的特征信息。在HRSID数据集上的实验结果证明了所提特征融合网络可以有效地提升SAR图像舰船目标检测精度。为满足SAR舰船目标检测系统实时性需求,实现SAR舰船检测算法的移动端部署,本文基于Nvidia Jetson AGX Xavier嵌入式开发平台搭建了SAR舰船检测系统。利用深度学习高性能推理引擎Tensor RT对主机端训练好的SAR舰船检测网络模型进行加速优化。在HRSID数据集上,对搭建的SAR舰船检测系统进行验证,表明设计的SAR舰船检测系统的可行性和基于Tensor RT的模型优化的有效性。
其他文献
随着大数据时代的来临,深度学习技术的浪潮席卷了包括图像分类、语音识别、自动驾驶和内容推荐在内的多个应用领域。但是,数据量和神经网络模型复杂性的增加带来了巨量的计算开销,导致单机训练速度缓慢。基于参数服务器架构,在多个节点上分布式训练深度神经网络模型是一种行之有效的加速方法。由于神经网络模型训练的迭代性质,不同的计算节点之间需要频繁地进行通信以交换大量的数据,这就导致通信开销成为分布式训练中的关键瓶
随着当今信息化时代的高度发展,信号检测技术无疑已成为了科学领域关注的重要热点。特别是在复杂背景下的信号检测中,传统的信号检测方法开始出现局限性,检测性能不能满足实际需求,故探索信号检测的前沿技术在信号处理领域显得愈来愈重要。作为数据信息提取、凝练的有力工具,矩阵信息几何（Matrix Information Geometry,MIG）理论已经在信号检测领域被应用,并取得不少成果,但其高时间复杂度和
编译器模糊测试是一种对编译器的稳定性与安全性进行测试的技术。有效的模糊测试需要具有正确的词法和语法的测试用例,只有这些格式良好的测试用例才能通过编译器的解析阶段,从而对目标编译器深层次的代码部分展开测试。深度学习技术因其捕获复杂特征的能力以及较少地依赖专家工程的特点,近来逐渐被应用到模糊测试用例生成领域,这些方法通过学习编程语言的语言模型,从而在无需提供复杂的编程语言语法规范的条件下生成格式良好的
随着自然语言处理技术的兴起,情感分析得到了广泛的研究。细粒度情感分析由于其分析对象更具体、更明确,成为近年来的研究热点。主流方法首先获取表征特定目标的句子嵌入层,然后将其馈送到各种经典神经网络以学习特征,最后通过分类器获得给定目标的情感极性。从CNN,LSTM,RAM,IAN到GNN的各种变体,研究人员挖掘各模型优势尝试对给定目标与其上下文之间的关系进行更好的建模。尽管已经取得了一些成果,但细粒度
长期伏案工作会导致脊柱承重异常,椎间盘内压力不均衡,进而出现骨质增生或椎间盘纤维环破裂。同时,相关肌肉长期处于非协调受力状态,易致肌肉和韧带劳损,且肌肉肌力变化后会反向牵动骨骼弯曲,使不良姿势难以恢复。保持理想站坐姿,可维持脊柱承受压力较为均衡,避免不必要的损伤。市场上的矫姿产品可辅助人体保持良好姿势,矫正不良姿势,为探究其矫正效果及真实性,本文选购四款矫姿带,通过体表角度测量评价各款式的效果。（
随着线上服装消费潮流的盛行,各大电子商务平台每天都会产生大量的服装购买数据,由于用户数量以及服装种类的不断增多,用户数据的稀疏性、复杂性给服装推荐模型的优化造成了大量的阻碍。现有的服装推荐模型对数据缺失较为敏感、对数据集的容错率较低、对离散型数据的处理效果较差,且只能给用户提供与推荐结果相关的图文信息,用户无法进行试穿,这会降低用户的购物体验并产生大量遗憾消费。因此,顺应机器学习技术、大数据分析技
从公元3世纪开始，罗马帝国异教神庙的修建活动就趋于停滞，新建神庙的规模缩水了，献祭仪式也经历了一个衰弱的过程。异教的衰弱除了受到基督教的强势压迫，也是其自身演变的结果。
当今社会,随着生活节奏的不断加快,人们生活压力逐渐增大,现代人们很容易产生一些不良情绪,这些不良情绪如果没有及时消化会严重影响人们的精神状态和身体健康。高校学生是一个非常典型的社会群体,在面临着学业、就业等压力的情况下,很容易出现紧张、不安和焦虑等负面情绪,长期处于这样一种精神状态下极易诱发抑郁等心理疾病,严重的甚至会做出一些过激性行为,例如自残或自杀等,这些问题变得越来越普遍,受到了社会的广泛关
合成孔径雷达（Synthetic Aperture Radar,SAR）是一种主动式微波成像探测器,由于其具备全天时、全天候的对地观测能力,因而广泛应用于军事（如战场侦查）与民用（如海洋监视）等领域。作为SAR图像解译的重要分支,SAR图像目标识别旨在从SAR图像中根据感兴趣目标的特征,对其进行定位与识别。近年来,得益于高分辨率SAR图像较以往更加容易获取,基于深度学习的SAR自动目标识别技术也取
街景分割是分割目标为街景图像的语义分割。随着深度学习的发展,基于卷积神经网络的街景分割方法获得了巨大发展。然而,当训练数据和测试数据中存在较大的领域差距时,神经网络模型会急剧退化,这种现象被称为域偏移。为了解决该问题,本文实现了如下的研究工作和创新点:1、实现了一个基于生成对抗学习的无监督域适应街景分割算法原型。通过生成对抗学习的思想,将分割网络视为生成器,添加额外的判别器来拉近目标域与源域的输出