期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向雷达目标识别的一种在线迁移学习框架
1
作者
杨予昊
孙晶明
+2 位作者
张强
晏媛
王众
《现代雷达》
北大核心
2025年第5期16-20,共5页
可靠、高效、精准的目标识别性能需求,与完备的目标数据库构建困难之间的矛盾,要求雷达目标识别系统具备动态学习能力,动态实现数据、模型的更新与识别能力的跃升。而样本自标注、模型自更新等功能的实现是达到这一目标的前提条件。针...
可靠、高效、精准的目标识别性能需求,与完备的目标数据库构建困难之间的矛盾,要求雷达目标识别系统具备动态学习能力,动态实现数据、模型的更新与识别能力的跃升。而样本自标注、模型自更新等功能的实现是达到这一目标的前提条件。针对雷达目标识别在实际应用中的性能自提升需求,通过借鉴在线学习与迁移学习的思想,提出一种在线迁移学习框架,通过结合在线学习和迁移学习技术,采用闭环结构,通过样本标注和模型微调,实现模型的自我迭代优化,可自动完成样本标注、模型更新等任务。基于仿真数据的实验结果表明,所提框架可显著提升雷达目标识别的准确性,具有流程简单、部署快捷的优点,具有较强的工程实用性。
展开更多
关键词
雷达目标识别
样本自标注
模型自更新
在线学习
迁移学习
在线阅读
下载PDF
职称材料
视觉车辆识别迁移学习算法
被引量：
5
2
作者
蔡英凤
王海
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2015年第2期275-280,共6页
针对采用大样本离线训练的车辆识别分类器在新场景中性能显著下降的问题,提出了一种具有样本自标注能力的车辆识别迁移学习算法,并采用概率神经网络(probability neural netw ork,PNN)进行分类器训练.首先,提出一种基于多细节先验信息...
针对采用大样本离线训练的车辆识别分类器在新场景中性能显著下降的问题,提出了一种具有样本自标注能力的车辆识别迁移学习算法,并采用概率神经网络(probability neural netw ork,PNN)进行分类器训练.首先,提出一种基于多细节先验信息的样本标注策略,融合复杂度、垂直平面和相对速度等先验信息实现新样本的自动标注;然后,充分利用PNN训练速度快以及增加新样本时只需分类器进行局部更新的特点,将其引入到分类器训练模型中,取代传统机器学习算法中的Adaboost分类器.实验结果表明:该算法在新场景下的新样本标注准确率高达99.76%.通过迁移学习,新场景的车辆识别分类器性能较通用分类器在检测率和误检率指标上均有显著提升.
展开更多
关键词
车辆识别
迁移学习
样本自标注
概率神经网络
先进驾驶辅助系统
在线阅读
下载PDF
职称材料
题名
面向雷达目标识别的一种在线迁移学习框架
1
作者
杨予昊
孙晶明
张强
晏媛
王众
机构
南京电子技术研究所
雷达探测感知全国重点实验室
出处
《现代雷达》
北大核心
2025年第5期16-20,共5页
基金
国家自然科学基金资助项目(U22B2059)。
文摘
可靠、高效、精准的目标识别性能需求,与完备的目标数据库构建困难之间的矛盾,要求雷达目标识别系统具备动态学习能力,动态实现数据、模型的更新与识别能力的跃升。而样本自标注、模型自更新等功能的实现是达到这一目标的前提条件。针对雷达目标识别在实际应用中的性能自提升需求,通过借鉴在线学习与迁移学习的思想,提出一种在线迁移学习框架,通过结合在线学习和迁移学习技术,采用闭环结构,通过样本标注和模型微调,实现模型的自我迭代优化,可自动完成样本标注、模型更新等任务。基于仿真数据的实验结果表明,所提框架可显著提升雷达目标识别的准确性,具有流程简单、部署快捷的优点,具有较强的工程实用性。
关键词
雷达目标识别
样本自标注
模型自更新
在线学习
迁移学习
Keywords
radar target recognition
sample self-labeling
model self-updating
online learning
transfer learning
分类号
TN957 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
视觉车辆识别迁移学习算法
被引量：
5
2
作者
蔡英凤
王海
机构
江苏大学汽车工程研究院
江苏大学汽车与交通工程学院
出处
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2015年第2期275-280,共6页
基金
国家自然科学基金资助项目(61403172
51305167
+7 种基金
61203244)
交通运输部信息化资助项目(2013364836900)
江苏省自然科学基金资助项目(BK20140555)
中国博士后科学基金资助项目(2014M561592)
江苏省"六大人才"高峰资助项目(2014-DZXX-040)
江苏省博士后基金资助项目(1402097C)
江苏大学高级专业人才科研启动基金资助项目(12JDG010
14JDG028)
文摘
针对采用大样本离线训练的车辆识别分类器在新场景中性能显著下降的问题,提出了一种具有样本自标注能力的车辆识别迁移学习算法,并采用概率神经网络(probability neural netw ork,PNN)进行分类器训练.首先,提出一种基于多细节先验信息的样本标注策略,融合复杂度、垂直平面和相对速度等先验信息实现新样本的自动标注;然后,充分利用PNN训练速度快以及增加新样本时只需分类器进行局部更新的特点,将其引入到分类器训练模型中,取代传统机器学习算法中的Adaboost分类器.实验结果表明:该算法在新场景下的新样本标注准确率高达99.76%.通过迁移学习,新场景的车辆识别分类器性能较通用分类器在检测率和误检率指标上均有显著提升.
关键词
车辆识别
迁移学习
样本自标注
概率神经网络
先进驾驶辅助系统
Keywords
vehicle recognition
transfer learning
sample self-marking
probability neural network
advanced driver assistant system
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
作者
出处
发文年
被引量
操作
1
面向雷达目标识别的一种在线迁移学习框架
杨予昊
孙晶明
张强
晏媛
王众
《现代雷达》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
视觉车辆识别迁移学习算法
蔡英凤
王海
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2015
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
