-
题名基于增强上下文信息长短期记忆网络的弹道轨迹预测
被引量：7
- 1
-
-
作者
任济寰
吴祥
薄煜明
吴盘龙
何山
-
机构
南京理工大学自动化学院
-
出处
《兵工学报》
EI
CAS
CSCD
北大核心
2023年第2期462-471,共10页
-
基金
国家自然科学基金项目(62103192)
中国博士后科学基金项目(2021M691597)
中央高校基本科研业务费专项资金资助项目(30922010710)。
-
文摘
根据己方观测数据进行弹道轨迹预测是现代陆军实施精准打击的重要一环。针对现有弹道轨迹预测方法存在精度不足且实时性不强的问题,提出一种新的增强上下文信息长短期记忆(CE-LSTM)网络轨迹预测模型,进行弹道轨迹的长期精准预测。在LSTM网络可逼近任意非线性函数且具备长期记忆能力的基础上,构建隐藏层输出混合单元提取短时上下文信息,进一步逼近弹体运动状态;通过建立不同条件下的弹道轨迹的数据集,训练得到具备最优超参数的CE-LSTM网络。实验结果表明,与弹道微分方程组的数值积分解法以及高斯混合模型相比,CE-LSTM网络在预测的精度上优于其他2种方法,预测速度提高了3~10倍,且具备较强的泛化能力。
-
关键词
轨迹预测
增强上下文信息
长短期记忆网络
弹道微分方程组
高斯混合模型
-
Keywords
trajectory prediction
context-enhanced
long short-term memory network
ballistic differential equations
gaussian mixture model
-
分类号
TJ302
[兵器科学与技术—火炮、自动武器与弹药工程]
-
-
题名基于CAFPN和细化双头解耦的遥感图像目标检测
被引量：1
- 2
-
-
作者
熊娟
张孙杰
阚亚亚
陈家豪
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2023年第6期989-1003,共15页
-
基金
上海市晨光学者基金(No.18CG52)资助。
-
文摘
针对遥感图像背景的复杂性和图中目标尺寸小、方向任意性导致漏检或错检的问题,提出了一种新颖的目标检测算法。首先,提出一种基于上下文信息增强的特征金字塔网络。在特征提取阶段,自适应融合不同感受野,获得具有丰富语义信息的特征,减少小目标的信息流失。然后,在回归网络中,使用中心点偏移回归机制实现旋转框的检测,降低冗余锚框带来的计算复杂度。最后,结合双头网络将分类和回归特征解耦,通过注意力机制和极化函数引导的特征细化模块构建适应各自任务的重要特征,使网络能准确地检测目标。在遥感数据集DOTA、HRSC2016和UCAS_AOD上验证网络的有效性,对比于Faster RCNN算法,该算法在3个数据集上获得了8.48%、7.60%和3.10%的精度提升,实现了高性能的遥感图像目标检测。
-
关键词
遥感图像
上下文信息增强
注意力机制
极化函数
特征细化
-
Keywords
remote sensing image
context augmentation
attention mechanism
polarization function
feature refinement
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
