检索结果-维普期刊中文期刊服务平台

复杂战场环境下改进YOLOv5军事目标识别算法研究被引量：9: 1; 作者宋晓茹刘康 +2 位作者高嵩陈超波阎坤《兵工学报》 EI CAS CSCD 北大核心 2024年第3期934-947,共14页; 复杂战场环境下军事目标识别技术是提升战场情报获取能力的基础和关键。针对当前军事目标识别技术在复杂战场环境下漏检误检率高、实时性差等问题,提出一种基于改进YOLOv5模型的PB-YOLO军事目标识别算法。将改进的目标识别算法对于陆战... 展开更多; 关键词军事目标识别通道-空间并行注意力机制特征融合损失函数; 在线阅读下载PDF 职称材料

基于支持向量机的多分类军事目标识别应用被引量：4: 2; 作者唐克张罗政魏琪《火力与指挥控制》 CSCD 北大核心 2009年第8期97-100,共4页; 针对现代战场信息化程度的不断提高,电磁环境日趋复杂,侦查目标难以准确地识别情况,提出了运用支持向量机多分类器对军事侦查目标进行有效识别。结构风险最小化地支持向量机分类方法是小样本情况下统计机器学习的经典,具有速度快、泛化... 展开更多; 关键词支持向量机二叉树多分类器军事目标识别建模; 在线阅读下载PDF 职称材料

基于非监督网络的军事目标识别算法的研究被引量：7: 3; 作者李鑫王晟全李昂《电光与控制》 CSCD 北大核心 2021年第10期36-39,共4页; 军事目标识别是目标检测领域中的一大研究方向,这对于提前侦测敌情和精准打击目标具有重要的意义,目前,主流的军事目标识别算法主要是运用YOLO,Fast RCNN等非监督深度学习网络模型,这些方式都是通过将手动标注的数据集输入到网络中,经... 展开更多; 关键词军事目标识别目标检测 YOLO 非监督网络深度学习; 在线阅读下载PDF 职称材料

基于尺度自适应YOLOv8的遥感目标检测算法: 4; 作者张灿李志刚 +1 位作者袁一东李莹琦《火力与指挥控制》北大核心 2025年第7期42-49,54,共9页; 针对军事遥感目标检测图像分辨率低、目标尺度不一、目标混叠等检测难点,提出YOLO-MRO目标检测算法。构建自适应卷积模块,提升了不同尺度目标的检测效果。基于小波池化设计了小波池化卷积,增强了算法抗混叠的能力。最后,引入混合注意力... 展开更多; 关键词军事目标识别光学遥感自适应融合混合注意力; 在线阅读下载PDF 职称材料

协同学理论方法在飞机识别中的应用被引量：1: 5; 作者陈莹邱锡钧《上海大学学报（自然科学版）》 CAS CSCD 2002年第5期403-406,共4页; 此文将协同学理论方法应用到飞机识别 ,同时利用小波变换中的图像融合技术 ,将每一类中的多种型号的飞机融合成一幅图像 ,以提高识别速度 .试验结果表明 ,把协同学理论方法与小波变换中的图像融合技术相结合对模式进行识别 ,不但精确率... 展开更多; 关键词协同学理论飞机识别模式识别小波变换图像融合军事目标识别协同识别; 在线阅读下载PDF 职称材料

题名复杂战场环境下改进YOLOv5军事目标识别算法研究被引量：9: 1; 作者宋晓茹刘康高嵩陈超波阎坤; 机构西安工业大学电子信息工程学院机电动态控制重点实验室; 出处《兵工学报》 EI CAS CSCD 北大核心 2024年第3期934-947,共14页; 基金国家自然科学基金项目(62103315) 陕西省重点研发计划项目(2021GY-287)。; 文摘复杂战场环境下军事目标识别技术是提升战场情报获取能力的基础和关键。针对当前军事目标识别技术在复杂战场环境下漏检误检率高、实时性差等问题,提出一种基于改进YOLOv5模型的PB-YOLO军事目标识别算法。将改进的目标识别算法对于陆战场军事单元的识别锚框进行重新聚类,以提升模型对于目标大小适应度,加速模型收敛;采用通道-空间并行注意力机制,增加模型对复杂战场环境下目标特征信息与位置信息关注度;在特征融合网络部分使用BiFPN以提升模型对于特征的融合能力与速度;采用Alpha_IoU损失函数加速模型收敛,解决当真实框与预测框重合时IoU计算退化问题。实验结果表明,在自建军事目标数据集下,改进算法与主流目标识别算法相比,在保证模型空间复杂度的同时,mAP值达到了90.17%。消融实验对比结果表明,改进后网络较原模型精度提升11.57%,具有较好的识别性能,能够为战场情报获取提供有效的技术支撑。; 关键词军事目标识别通道-空间并行注意力机制特征融合损失函数; Keywords military target recognition channel-spatial parallel attention mechanism feature fusion loss function; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于支持向量机的多分类军事目标识别应用被引量：4: 2; 作者唐克张罗政魏琪; 机构解放军炮兵学院; 出处《火力与指挥控制》 CSCD 北大核心 2009年第8期97-100,共4页; 文摘针对现代战场信息化程度的不断提高,电磁环境日趋复杂,侦查目标难以准确地识别情况,提出了运用支持向量机多分类器对军事侦查目标进行有效识别。结构风险最小化地支持向量机分类方法是小样本情况下统计机器学习的经典,具有速度快、泛化能力强等特点。用该算法建模军事目标的识别问题,达到了较高的识别准确率。所以应用在对侦查目标的识别上具有良好的效果,在军事应用上有较广阔的前景。; 关键词支持向量机二叉树多分类器军事目标识别建模; Keywords support vector machine ,multi-sorters of binary tree ,military target recognition modeling; 分类号 E933 [军事—军事装备学]; 在线阅读下载PDF 职称材料

题名基于非监督网络的军事目标识别算法的研究被引量：7: 3; 作者李鑫王晟全李昂; 机构南京理工大学紫金学院南京邮电大学通信学院; 出处《电光与控制》 CSCD 北大核心 2021年第10期36-39,共4页; 基金江苏省高校自然科学基金面上项目(18KJD510004) 江苏省高等学校大学生创新创业训练计划项目(201913654002Y)。; 文摘军事目标识别是目标检测领域中的一大研究方向,这对于提前侦测敌情和精准打击目标具有重要的意义,目前,主流的军事目标识别算法主要是运用YOLO,Fast RCNN等非监督深度学习网络模型,这些方式都是通过将手动标注的数据集输入到网络中,经过处理输出结果,但是数据集数量总是有限的,在精度上有所欠缺,泛化能力也不足。针对这种问题,提出了基于非监督网络的军事目标识别算法,可以通过生成式对抗网络(GAN)有效地解决数据集不足以及精度不够的问题。; 关键词军事目标识别目标检测 YOLO 非监督网络深度学习; Keywords military target recognition target detection YOLO unsupervised network deep learning; 分类号 V271.4 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

题名基于尺度自适应YOLOv8的遥感目标检测算法: 4; 作者张灿李志刚袁一东李莹琦; 机构华北理工大学人工智能学院河北省工业智能感知重点实验室; 出处《火力与指挥控制》北大核心 2025年第7期42-49,54,共9页; 基金国家自然科学基金区域创新发展联合基金重点资助项目(U21A20114) 河北省军民融合发展专项基金资助项目(SJMYF2022X05)。; 文摘针对军事遥感目标检测图像分辨率低、目标尺度不一、目标混叠等检测难点,提出YOLO-MRO目标检测算法。构建自适应卷积模块,提升了不同尺度目标的检测效果。基于小波池化设计了小波池化卷积,增强了算法抗混叠的能力。最后,引入混合注意力,减轻了算法的计算负担。实验结果表明,改进后的算法相较于基准算法在自建数据集RSMOD上准确率提升了6.7%,达到了81.1%,能够满足军事遥感目标的检测任务。; 关键词军事目标识别光学遥感自适应融合混合注意力; Keywords military target recognition optical remote sensing adaptive fusion hybrid attention; 分类号 E919 [军事] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名协同学理论方法在飞机识别中的应用被引量：1: 5; 作者陈莹邱锡钧; 机构上海大学理学院; 出处《上海大学学报（自然科学版）》 CAS CSCD 2002年第5期403-406,共4页; 文摘此文将协同学理论方法应用到飞机识别 ,同时利用小波变换中的图像融合技术 ,将每一类中的多种型号的飞机融合成一幅图像 ,以提高识别速度 .试验结果表明 ,把协同学理论方法与小波变换中的图像融合技术相结合对模式进行识别 ,不但精确率高 ,而且速度快 .这两点在军事目标识别中是十分重要的 .; 关键词协同学理论飞机识别模式识别小波变换图像融合军事目标识别协同识别; Keywords synergetic pattern recognition wavelet transformation image fusion; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	复杂战场环境下改进YOLOv5军事目标识别算法研究	宋晓茹刘康高嵩陈超波阎坤	《兵工学报》 EI CAS CSCD 北大核心	2024	9	在线阅读下载PDF 职称材料
2	基于支持向量机的多分类军事目标识别应用	唐克张罗政魏琪	《火力与指挥控制》 CSCD 北大核心	2009	4	在线阅读下载PDF 职称材料
3	基于非监督网络的军事目标识别算法的研究	李鑫王晟全李昂	《电光与控制》 CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料
4	基于尺度自适应YOLOv8的遥感目标检测算法	张灿李志刚袁一东李莹琦	《火力与指挥控制》北大核心	2025	0	在线阅读下载PDF 职称材料
5	协同学理论方法在飞机识别中的应用	陈莹邱锡钧	《上海大学学报（自然科学版）》 CAS CSCD	2002	1	在线阅读下载PDF 职称材料