基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别 被引量：2

1

作者 王佳维 许枫 杨娟 《电子学报》 EI CAS CSCD 北大核心 2024年第1期217-231,共15页

针对多基地水下小目标分类识别问题,本文提出了一种基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别方法 .对水下目标多角度散射信号提取6种典型的具有信息互补性和关联性的特征,提出一种随机森林(Random Forest,RF)和最小冗... 针对多基地水下小目标分类识别问题,本文提出了一种基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别方法 .对水下目标多角度散射信号提取6种典型的具有信息互补性和关联性的特征,提出一种随机森林(Random Forest,RF)和最小冗余最大相关(minimum Redundancy and Maximum Relevance,mRMR)相结合的特征选择方法(RF-mRMR),得出综合的特征重要性排序结果 .通过实验得出分类模型所需的最优特征子集,达到降低数据处理复杂度和提高目标分类结果的目的 .为了捕捉到数据中的高阶结构,在联合稀疏表示模型的基础上,使用核函数将线性不可分的特征数据映射到高维核特征空间.为了充分挖掘稀疏重构后包含在残差波段中的有用信息,使用指数平滑公式对具有一定意义的残差信息进行再利用,最后由核特征空间下的最小误差准则判定目标的类别.应用本文提出的方法对4类目标的海试数据进行识别,结果表明,相较于其他7种对比算法,本文提出的改进方法具有更好的分类性能,而且大多数情况下,本文提出的算法在双基地声呐模式下具有比单基地声呐更高的识别准确率和更低的虚警率. 展开更多

关键词 多基地 水下小目标识别 多特征融合 特征选择 核空间联合稀疏表示 指数平滑

在线阅读 下载PDF 职称材料

基于信息融合的空中红外小目标识别 被引量：6

2

作者 陈谋 谭晓宇 姜长生 《光学精密工程》 EI CAS CSCD 北大核心 2009年第8期2032-2039,共8页

针对空中红外小目标难以识别且可信度低的问题,本文结合已有的识别算法,利用非平等D-S证据融合设计了一种小目标识别方法。将小目标的灰度和速度信息作为主要识别证据,并在此基础上加入小目标的轨迹信息作为补充证据,以提高识别置信度... 针对空中红外小目标难以识别且可信度低的问题,本文结合已有的识别算法,利用非平等D-S证据融合设计了一种小目标识别方法。将小目标的灰度和速度信息作为主要识别证据,并在此基础上加入小目标的轨迹信息作为补充证据,以提高识别置信度。首先利用灰度和速度信息进行小目标识别,如果无法完成识别则将轨迹信息加入到证据当中,进行非平等的D-S证据融合。当增加的轨迹信息强烈支持速度或灰度信息的判决倾向时,本算法能显著提高空中红外小目标的识别能力。仿真结果表明,所研究的算法在不增加传感器数目的情况下能将识别置信度平均提高125%。 展开更多

关键词 小目标识别 红外目标 信息融合 D-S证据

在线阅读 下载PDF 职称材料

红外小目标识别的新方法 被引量：4

3

作者 王俊林 张剑云 《红外技术》 CSCD 北大核心 2005年第5期408-411,共4页

针对复杂背景下红外小目标识别困难的问题,提出了一种基于证据理论的多传感器红外小目标融合识别方法,该方法能通过多传感器信息融合的方法达到证据积累的效果,大大提高了红外小目标的识别可信度,具有一定的实用性。

关键词 红外 小目标识别 证据理论

在线阅读 下载PDF 职称材料

基于星图识别算法的空间小目标识别 被引量：4

4

作者 赵臻 高颖慧 王平 《重庆理工大学学报（自然科学）》 CAS 2011年第4期97-101,共5页

基于星形星图识别算法,利用星对距离和星对角距2个特征进行匹配识别,实现了快速识别空间小目标的目的,并可对该目标实时追踪。Matlab仿真表明,该算法识别过程简单,对星图噪声和伪星具有较好的抵抗力,具有识别率高且稳定、识别速度快的... 基于星形星图识别算法,利用星对距离和星对角距2个特征进行匹配识别,实现了快速识别空间小目标的目的,并可对该目标实时追踪。Matlab仿真表明,该算法识别过程简单,对星图噪声和伪星具有较好的抵抗力,具有识别率高且稳定、识别速度快的优点。 展开更多

关键词 星图识别 小目标识别 星对角距 图像配准

在线阅读 下载PDF 职称材料

基于时间域电磁系统的近地表小目标识别 被引量：4

5

作者 李雅德 张晓娟 +2 位作者 渠晓东 谢吴鹏 穆雅鑫 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第5期1135-1142,共8页

时间域电磁系统被广泛地用于管线探测、考古和未爆物排查等近地表小目标探测领域,但异常目标的特性反演是一个难点,造成探测的虚警率和排查成本大大提升。提出一种三维正交磁偶极子等效模型和一种目标参数综合方法,通过反演等效磁偶极... 时间域电磁系统被广泛地用于管线探测、考古和未爆物排查等近地表小目标探测领域,但异常目标的特性反演是一个难点,造成探测的虚警率和排查成本大大提升。提出一种三维正交磁偶极子等效模型和一种目标参数综合方法,通过反演等效磁偶极子的时间衰减特性并由此综合出目标的大小、材料和形状等参数。基于所研制出的便携式时间域电磁系统来验证方法的有效性,实验表明,基于磁偶极子时间衰减特性综合出的目标特征均可以有效地对目标进行识别,为近地表小目标特性识别的应用奠定了基础。 展开更多

关键词 时间域电磁法 近地表小目标识别 磁偶极子 时间衰减特性

在线阅读 下载PDF 职称材料

基于改进YOLOv6的反无人机小目标识别

6

作者 万昕玮 贾会梅 +1 位作者 张锐 贺良冬 《兵器装备工程学报》 2025年第S1期224-230,242,共8页

针对反无人机侦察,提出一种改进的YOLOv6小目标识别算法。基于YOLOv6网络模型,通过添加小目标检测头获取高分辨率的特征图,优化损失函数,提高识别精度;设计卷积注意力模块,采用空间和通道重要信息提高小目标的特征关注度;将网络剪枝方... 针对反无人机侦察,提出一种改进的YOLOv6小目标识别算法。基于YOLOv6网络模型,通过添加小目标检测头获取高分辨率的特征图,优化损失函数,提高识别精度;设计卷积注意力模块,采用空间和通道重要信息提高小目标的特征关注度;将网络剪枝方法压缩模型部署到RK3588硬件端实时进行小目标无人机识别。实验结果表明,所提出的无人机小目标识别算法的识别精度提高5.6%,在硬件端的推理耗时降低5.11 ms,性能提升明显,能够满足实际场景中反无人机侦察系统的实时准确要求。 展开更多

关键词 反无人机 YOLOv6 小目标识别 深度学习 模型压缩

在线阅读 下载PDF 职称材料

基于YOLOv5_4layers的PCB小目标缺陷识别方法 被引量：2

7

作者 杨萍萍 白艳茹 《仪表技术与传感器》 CSCD 北大核心 2024年第3期75-79,共5页

针对PCB表面缺陷分辨率低、小目标性以及多样性等问题,提出了一种基于YOLOv5_4layers的PCB小目标缺陷识别方法。该方法在YOLOv5架构的基础上,通过新增采样层的方式添加小目标检测层,优化特征金字塔模型,提升小目标特征提取性能,实现小... 针对PCB表面缺陷分辨率低、小目标性以及多样性等问题,提出了一种基于YOLOv5_4layers的PCB小目标缺陷识别方法。该方法在YOLOv5架构的基础上,通过新增采样层的方式添加小目标检测层,优化特征金字塔模型,提升小目标特征提取性能,实现小目标缺陷识别。在调整合适的锚框规格后,改进后的模型在输入640像素×640像素图像时,相较原模型识别精确率提升了7.5%。在输入736像素×736像素图像时,识别精确率提升了1.3%,有效地提升了对PCB小目标缺陷的识别能力,对提高PCB制造过程的质量控制和产品可靠性具有实际意义。 展开更多

关键词 PCB 小目标缺陷识别 深度学习 YOLOv5_4layers 特征提取

在线阅读 下载PDF 职称材料

基于红外小目标图像库的特征识别探测研究 被引量：1

8

作者 陈晓斯 樊祥 +2 位作者 程正东 朱斌 方义强 《弹箭与制导学报》 CSCD 北大核心 2013年第4期25-28,共4页

为了进一步提高红外小目标的识别概率,利用主分量分析法提取了小目标红外图像的主分量特征用于识别探测。在具体计算时,分析了红外小目标图像的一般特征,并建立了图像库作为训练样本。最后对训练样本进行了灰度峰值分类,并选取不同数量... 为了进一步提高红外小目标的识别概率,利用主分量分析法提取了小目标红外图像的主分量特征用于识别探测。在具体计算时,分析了红外小目标图像的一般特征,并建立了图像库作为训练样本。最后对训练样本进行了灰度峰值分类,并选取不同数量的小目标图像进行实验。结果表明,目标在红外图像上呈现的灰度峰值大小几乎不影响小目标的识别,而随着训练样本数的增加,识别效果越好。 展开更多

关键词 红外小目标识别 主分量分析 特征提取 分类

在线阅读 下载PDF 职称材料

基于DRFP网络的无人机对地车辆目标识别算法 被引量：6

9

作者 张钟毓 刘云鹏(指导) +2 位作者 王思奎 刘天赐 林智远 《红外与激光工程》 EI CSCD 北大核心 2019年第S2期131-139,共9页

针对无人机在复杂战场环境的侦察任务中,目标在视场中尺寸过小、边缘和纹理信息较少所造成的目标识别难题,提出一种新的基于深度学习的单阶段目标识别网络DRFP。DRFP网络以残差结构为骨架,使用特征金字塔结构实现特征融合;其次在损失函... 针对无人机在复杂战场环境的侦察任务中,目标在视场中尺寸过小、边缘和纹理信息较少所造成的目标识别难题,提出一种新的基于深度学习的单阶段目标识别网络DRFP。DRFP网络以残差结构为骨架,使用特征金字塔结构实现特征融合;其次在损失函数中使用添加了调整因子的交叉熵函数,实现对难样本的重点关注、训练;最后使用高斯型非极大值抑制算法(G-NMS),提高目标密集区检出率。使用无人机航拍图像数据集进行地面车辆目标识别的实验结果表明:所提出的单阶段模型的精度(mAP值)为83.16%,达到了两阶段网络模型的水平;同时,识别速度符合实时性的要求。 展开更多

关键词 小目标识别 无人机图像 深度学习

在线阅读 下载PDF 职称材料

基于HGTC−YOLOv8n模型的煤矸识别算法研究 被引量：5

10

作者 滕文想 王成 费树辉 《工矿自动化》 CSCD 北大核心 2024年第5期52-59,共8页

现有基于深度学习的煤矸识别方法在煤矿井下低照度、高噪声及运动模糊等复杂工况下存在煤矸识别精度低、小目标煤矸容易漏检、模型参数量和运算量大,难以部署到计算资源有限的设备中等问题,提出了一种基于HGTC−YOLOv8n模型的煤矸识别算... 现有基于深度学习的煤矸识别方法在煤矿井下低照度、高噪声及运动模糊等复杂工况下存在煤矸识别精度低、小目标煤矸容易漏检、模型参数量和运算量大,难以部署到计算资源有限的设备中等问题,提出了一种基于HGTC−YOLOv8n模型的煤矸识别算法。采用HGNetv2网络替换YOLOv8n的主干网络,通过多尺度特征的有效提取,提高煤矸识别效果并减少模型的存储需求和计算资源消耗;在主干网络中嵌入三重注意力机制模块Triplet Attention,捕获不同维度间的交互信息,增强煤矸图像目标特征的提取,减少无关信息的干扰;选用内容感知特征重组模块(CARAFE)来改进YOLOv8n颈部特征融合网络上采样算子,利用上下文信息提高感受视野,提高小目标煤矸识别准确率。实验结果表明:①HGTC−YOLOv8n模型的平均精度均值为93.5%,模型的参数量为2.645×10^(6),浮点运算量为8.0×10^(9),帧速率为79.36帧/s。②平均精度均值较YOLOv8n模型提升了2.5%,参数量和浮点运算量较YOLOv8n模型分别下降了16.22%和10.11%。③与YOLO系列模型相比,HGTC−YOLOv8n模型的平均精度均值最高,且参数量和浮点运算量最少,检测速度较快,综合检测性能最佳。④基于HGTC−YOLOv8n模型的煤矸识别算法在煤矿井下复杂工况下,改善了煤矸识别精度低、小目标煤矸容易漏检等问题,满足煤矸图像实时检测要求。 展开更多

关键词 煤矸识别 小目标识别 YOLOv8n 内容感知特征重组模块 三重注意力机制 Triplet Attention HGNetv2

在线阅读 下载PDF 职称材料

基于多尺度卷积神经网络的道路交通标志识别方法研究 被引量：18

11

作者 尉天成 陈小锋 殷元亮 《西北工业大学学报》 EI CAS CSCD 北大核心 2021年第4期891-900,共10页

为了准确识别不同路况下的交通标志信息,提出一种在Faster RCNN模型基础上改进的深度学习方法。针对交通标志的显著特征,设计了多路并联全卷积神经网络,对原始图像中的交通标志颜色、形状以及纹理进行多路特征提取,将多路特征层进行融... 为了准确识别不同路况下的交通标志信息,提出一种在Faster RCNN模型基础上改进的深度学习方法。针对交通标志的显著特征,设计了多路并联全卷积神经网络,对原始图像中的交通标志颜色、形状以及纹理进行多路特征提取,将多路特征层进行融合得到最终特征图,通过图像预处理加强了模型在多种环境和天气状况下的适应能力。同时在特征提取网络中加入深浅层特征层的融合特征,保留浅层特征层的细节纹理信息和深层特征层的语义信息,得到最终特征层能够适应多尺度变化的交通标志的识别。在原有RPN候选区域生成网络前,利用交通标志先验知识作为辅助进行目标检测定位,提出了针对交通标志识别更加合理的候选锚框生成办法。从先验知识统计交通标志尺寸和比例结果出发,设计适用于交通标志识别的目标候选框,减少了大量冗余的和负相关的候选框,提高检测准确度减少检测时间;加入针对深浅特征层的多尺度候选框生成方法,在强化多尺度目标识别能力的同时,进一步加强了小目标检测和识别效果;采用国际通用交通标志规范数据集GTSRB/GTSDB以及国内交通标志数据集TT100K对模型识别能力进行识别验证。 展开更多

关键词 交通标志识别 深度学习 卷积神经网络 特征融合 小目标识别

在线阅读 下载PDF 职称材料

基于改进YOLOv3的小目标检测方法研究 被引量：14

12

作者 黄开启 刘小荣 黄茂云 《传感器与微系统》 CSCD 北大核心 2022年第4期52-55,共4页

针对YOLOv3算法在小目标上检测效果不佳,漏检率较高的问题,提出一种改进YOLOv3网络结构的小目标识别方法。首先,利用优化的K-means聚类方法弥补原聚类算法中对聚类中心的初始位置敏感问题;然后,对数据集中的标注目标进行聚类分析选取优... 针对YOLOv3算法在小目标上检测效果不佳,漏检率较高的问题,提出一种改进YOLOv3网络结构的小目标识别方法。首先,利用优化的K-means聚类方法弥补原聚类算法中对聚类中心的初始位置敏感问题;然后,对数据集中的标注目标进行聚类分析选取优化的聚类锚点框宽高维度作为改进YOLOv3网络的初始候选框;其次,对Darknet-53网络结构进行调整,在主干网络最后增加2个1×1和3×3卷积层;最后,将YOLOv3网络4倍降采样特征图与经过上采样的8倍降采样特征图进行拼接融入第三个检测层。实验结果表明:改进的YOLOv3算法在小目标检测中平均准确率为78.8%,较原始YOLOv3原始算法平均精确度均值(mAP)提升了5.2%,漏检率降低了4.9%,具有较好的小目标检测效果。 展开更多

关键词 小目标识别 深度学习 YOLOv3算法 K-MEANS 聚类算法

在线阅读 下载PDF 职称材料

基于深度学习的红外小目标检测算法综述 被引量：11

13

作者 李文博 王琦 高尚 《激光与红外》 CAS CSCD 北大核心 2023年第10期1476-1484,共9页

红外检测技术具有受环境负面影响小、抗外界干扰能力强等优势,在众多领域皆有极为重要的应用价值。然而,由于红外小目标存在缺少明显的可用信息、边界模糊等问题,对其检测的难度较大,因而成为目标检测领域的研究热点与难点。本文通过分... 红外检测技术具有受环境负面影响小、抗外界干扰能力强等优势,在众多领域皆有极为重要的应用价值。然而,由于红外小目标存在缺少明显的可用信息、边界模糊等问题,对其检测的难度较大,因而成为目标检测领域的研究热点与难点。本文通过分析困扰红外小目标检测研究发展的难题所在,首先就目前针对其检测的传统算法原理进行简要说明。其次,详细阐述了基于深度学习的多类型红外小目标检测算法,并对相关算法的分类、评估指标、相关数据集等多方面内容进行了介绍,随之以实例说明对当前算法改进的有效方式。最后,归纳总结现有检测算法的优缺点,探讨了红外小目标检测研究领域的未来发展趋势,即向高精度、高实时性、强鲁棒性、低复杂度的算法方面深入研究。 展开更多

关键词 红外图像 目标检测 小目标识别 深度学习

在线阅读 下载PDF 职称材料