【摘 要】
：
合成孔径雷达（Synthetic Aperture Radar,SAR）利用雷达与目标之间的相对运动接收被检测区域的回波进行成像。相对于光学成像,SAR成像系统具有不受天气,时间等影响等特点,能够在恶劣条件下对目标进行探测。因此SAR图像不论在军事还是在民用上的实际应用,都具有很大的价值。可以被使用于自然灾害评估、地貌检测、舰船检测、动目标跟踪、战场监控等。所以在SAR图像自动识别方面有着广阔的研
论文部分内容阅读
合成孔径雷达（Synthetic Aperture Radar,SAR）利用雷达与目标之间的相对运动接收被检测区域的回波进行成像。相对于光学成像,SAR成像系统具有不受天气,时间等影响等特点,能够在恶劣条件下对目标进行探测。因此SAR图像不论在军事还是在民用上的实际应用,都具有很大的价值。可以被使用于自然灾害评估、地貌检测、舰船检测、动目标跟踪、战场监控等。所以在SAR图像自动识别方面有着广阔的研究前景。在传统方法上对SAR图像的目标识别已经遇到了瓶颈,近年来深度学习的飞速发展,让SAR图像识别技术有了新的发展。基于深度学习的识别模型通常是基于监督学习,这意味着模型的训练依赖于输入的图像和图像对应的标签。监督深度学习的优势在于通过大量带标签数据来提取图像特征用于区分图像,当带标签数量下降的时候,分类精度受到限制。但由于SAR图像解译困难,带标签的SAR图像数据十分有限。我们从数据扩增和半监督学习两个方面来解决这个问题。本文的主要内容如下:1.针对在深度学习过程中SAR图像训练样本不足的问题,我们发现了基于运动插值的数据扩增技术可以通过样本中任意两张图片来生成任意张中间图片,来缓解数据不足的情况,可以在一定程度上提高SAR图像识别的精度。2.通过分析和对比了基于运动插值的数据扩增技术和传统图像数据扩增两种方法的异同,我们发现可以依次使用两种扩增方法对已有的带标签数据进行数据扩增。经实验验证,此方法可以进一步提高CNN模型对SAR图像识别的性能。3.对于在有限标签数据的情况下,SAR图像识别率不高的问题。我们发现可以使用半监督学习相关方法来进行SAR图像识别,该方法可以有效利用无标签数据,使模型学习到无标签数据中的图像特征信息。使在有限标签的条件下的模型的识别性能大大提高,接近全标签监督学习下的结果。4.我们利用注意力相关机制与前文提出的运动插值数据扩增技术,对半监督模型进行了改进,使得在有限标签下SAR图像分类的精度有进一步的提升。
其他文献
长期以来,大规模无线传感器网络（WSN）的能量问题都一直受到研究者的普遍关注。由于大规模分层网络架构下,无线传感器网络的各个节点通常都抛洒部署到很恶劣的环境下,无法更换电池,因此节能问题成为了关键。本文从节点能耗、能量均匀、业务服务质量和路由问题的角度出发,对目标的最大覆盖范围、Q覆盖集的问题、汇聚节点休眠的负载均衡和节能的路由算法进行了研究。在汇聚节点和传感器节点两个层面上,共同休眠带来能耗问题
为了缓解单个自动驾驶车辆的计算负担,移动边缘计算（Mobile Edge Comput-ing,MEC）作为一种可靠的计算模式被应用于车联网中,允许计算资源不足的车辆将计算量大且时延敏感的任务卸载到边缘节点的服务器上进行计算。在此背景下,为了减少任务执行的时延并提高系统资源利用率,结合移动边缘计算技术,本文研究了基于人工智能的车联网环境中的协同计算和资源分配策略。主要在两个场景下进行研究,分别是车
近年来,随着智能交通概念的普及,车牌检测与识别应用已经遍及我们生活的方方面面,包括小区的停车场收费系统、路口的违章监控系统、交警的移动手持警务系统等。伴随着深度学习的出现,基于神经网络的车牌检测与识别算法在识别准确率上得到了进一步的提升。与此同时,复杂多变的应用场景对算法的准确率提出了更高的要求,如何使系统稳定工作在更加复杂的环境成为了近年研究的重点。本文首先对国内外的相关工作进行了调研,从基于传
近年来,卷积神经网络（CNN）作为深度神经网络的子类得到了广泛的普及。CNN彻底改变了诸如自然语言处理,图像分类和语音识别等任务的执行。通常,CNN可以通过CPU、GPU、ASIC、FPGA等平台实现。在人工智能物联网（AIOT）设备方面的应用,对于便携性和低功耗有更高的要求,另外需要针对不同精度类型的算法模型设计不同的神经网络处理器。而论文提出了一种基于FPGA平台设计的混合精度神经网络处理器,
随着互联网应用的发展,网络容量的需求也在迅速增长,发展高速大容量的光纤通信系统迫在眉睫。但是高传输速率、大信道容量和长距离传输的研究却受到两种因素的限制:线性损伤,包括光纤损耗、色散、偏振模色散;非线性损伤,包括自相位调制、交叉相位调制、四波混频等。在长距离传输系统中,光纤非线性是限制信道容量和传输距离的重要因素之一,因此光纤非线性均衡技术在光纤传输中具有重要的现实意义。为了补偿光纤非线性效应,实
无人机（Unmanned Aerial Vehicle,UAV）编队在近几年凭借灵活性好、机动性强等多项优点在多个领域应用越来越广泛。无人机编队控制需要保证编队的队形形成、保持和避障,若采用不合适的控制方法,则会产生许多问题,如目标位置的振荡问题、目标不可达问题、避障不安全等。无人机编队任务分配需要为每个无人机分配执行任务集并决定任务执行顺序,实际情况下,各个任务之间存在资源需求的差异,各个无人机
SLAM（Simultaneous Localization and Mapping,SLAM）技术旨在估计自主移动机器人在陌生环境下的位置变化,同时构建包含空间几何信息的环境地图。当前,大部分开源的SLAM方案已经实现了静态场景下自主移动机器人大范围内的实时定位与稀疏地图构建。而传统的SLAM方案仍然存在以下问题:一是在动态环境下,无法避免行人等移动物体造成的漂移误差,因此在实际应用中受到一定的
目前焊接企业主要是通过人工来完成焊接信息的采集、监控并对焊接质量进行评估,成本高、效率低的同时,无法满足现代化焊接技术的需求。随着被称为信息物理系统融合的德国“工业4.0”的提出,我国提出了“中国制造2025”发展战略,工业生产将进入信息化、数字化、智能化的阶段,将智能生产和制造的实现视为现阶段发展的重点,随着各类智能传感器、无线通信技术在工业领域的广泛应用,以及深度学习理论在图像检测方向的发展趋
得益于大数据、大模型、GPU集群的推动,人工智能技术飞速发展,但是在此基础上训练出更准确、表达能力更强的优秀人工智能模型绝非易事。这也促进了并行化、分布式的机器学习技术飞速发展。目前的分布式机器学习框架中,计算节点的参数计算和参数通信过程是串行紧耦合的,造成计算资源利用率不高。同时随着近年来专用高速计算硬件设备的快速发展,计算能力的增长遥遥领先于网络数据传输能力,且高速的计算设备使得分布式机器学习
随着视频数据的逐步增加,利用人工筛查的方式进行目标行人的锁定和跟踪已经越来越难以适应大型视频监控系统。在逐步增长的海量视频数据中,如何自动化快速的进行目标行人的跨境检索问题是公安的迫切需求。本文从两个方面分析研究了行人跨镜检索问题,首先在第三章,研究在在单个摄像头下行人跟踪问题,然后第四章研究了在跨镜头下研究了行人重识别问题。在基于卷积神经网络的行人跟踪方向,目标跟踪器不仅要关注于感兴趣的区域,更