期刊文献+
共找到215篇文章
< 1 2 11 >
每页显示 20 50 100
一种基于全卷积神经网络的空中目标战术意图识别模型 被引量:2
1
作者 李乐民 宋亚飞 +1 位作者 王鹏 王科 《空军工程大学学报》 CSCD 北大核心 2024年第5期98-106,共9页
针对现有空中目标识别方法敏捷性和可靠度不够高的问题,研究设计了一种深度学习模型MLSTM-FCN,结合了全卷积神经网络、循环神经网络和压缩与激励模块的优点。全卷积网络能够提取空战数据中的复杂局部特征,长短记忆神经网络可以捕捉空战... 针对现有空中目标识别方法敏捷性和可靠度不够高的问题,研究设计了一种深度学习模型MLSTM-FCN,结合了全卷积神经网络、循环神经网络和压缩与激励模块的优点。全卷积网络能够提取空战数据中的复杂局部特征,长短记忆神经网络可以捕捉空战意图数据的时序特征。通过消融实验和对比实验结果表明,MLSTM-FCN模型在意图识别准确率、反应速度和抗干扰能力方面明显优于现有的空中目标意图识别模型,取得了sota的结果,为指挥员在进行空中作战决策时提供更有效的依据。 展开更多
关键词 意图识别 空中目标 深度学习 卷积网络 长短记忆神经网络 压缩与激励模块
在线阅读 下载PDF
基于改进YOLOv5卷积神经网络的SAR图像目标识别 被引量:2
2
作者 曾祥书 黄一飞 蒋忠进 《现代雷达》 CSCD 北大核心 2024年第2期138-145,共8页
提出一种改进YOLOv5网络,并将其用于SAR图像目标识别。为了优化网络性能,文中进行了三个方面的改进:使用宽度比和高度比作为标注框之间的距离度量,并采用k-means聚类方法生成先验锚点框,作为预测框优化时的框尺寸初始值;改进框回归损失... 提出一种改进YOLOv5网络,并将其用于SAR图像目标识别。为了优化网络性能,文中进行了三个方面的改进:使用宽度比和高度比作为标注框之间的距离度量,并采用k-means聚类方法生成先验锚点框,作为预测框优化时的框尺寸初始值;改进框回归损失函数,引入Scylla交并比来代替竞争性交并比,以提高对密集分布目标的定位精度;改进置信度损失函数,使用焦点损失来替代二元交叉熵,以提高在复杂背景下的目标识别精度。基于MSAR数据集,选择了YOLOv3、常规YOLOv5作为对比网络,进行了大量的SAR图像目标识别实验。实验结果表明,相比两种对比网络,改进YOLOv5网络对各种目标均具有更高的识别准确率、召回率和F1值,以及更高的综合指标平均精度值和平均精度均值。 展开更多
关键词 卷积神经网络 YOLOv5网络 SAR图像 目标识别
在线阅读 下载PDF
基于拉东投影与改进卷积神经网络的小样本水下目标声呐图像识别方法 被引量:1
3
作者 周光波 张培珍 +1 位作者 莫晴舒 尹晓锋 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第10期2048-2056,共9页
针对水下声呐图像质量差、样本数量少导致目标识别精确度低的问题,本文提出一种水下目标识别方法。利用增量的全向Radon投影特征图作为输入数据,结合改进结构的卷积神经网络,实现小样本声呐图像识别。实验以5种不同目标声呐图像的Radon... 针对水下声呐图像质量差、样本数量少导致目标识别精确度低的问题,本文提出一种水下目标识别方法。利用增量的全向Radon投影特征图作为输入数据,结合改进结构的卷积神经网络,实现小样本声呐图像识别。实验以5种不同目标声呐图像的Radon特征图作为输入,分别采用迁移学习得到的ResNet-18、GoogLeNet模型以及改进模型进行实验,验证改进模型的结构合理性;将原始图像结合改进模型进行识别,验证Radon特征图作为数据源的优势。原图结合改进模型、Radon特征图结合ResNet-18、GoogLeNet模型及改进模型的最优训练样本数分别为960、1440、5760和1200;训练用时依次为328、699、8678和447 s;相应最佳识别准确率分别为97.8%、94.4%、93.9%和99.9%。通过混淆矩阵给出不同方法预报错误的类别及数量,进一步解释出现误判的原因。结果表明:本文所提出的方案能够在较少的样本数和较低的运算成本条件下获取较高的精度。研究成果能够作为目标声呐图像识别分类的有效方法,并可望推广至更多水下目标分类。 展开更多
关键词 水下目标识别 声呐图像 数据增量 RADON变换 卷积神经网络 迁移学习 深度学习 特征融合
在线阅读 下载PDF
基于改进全卷积神经网络的体育运动员动作识别方法 被引量:1
4
作者 郝俊峰 《数字通信世界》 2024年第7期55-57,共3页
传统的体育运动员动作识别方法,直接对运动员动作识别结果进行输出未对运动区域进行提取,识别精度低。该文提出基于改进全卷积神经网络的体育运动员动作识别方法,使用摄像机对体育运动员动作图像进行采集,并对图像进行基于改进全卷积神... 传统的体育运动员动作识别方法,直接对运动员动作识别结果进行输出未对运动区域进行提取,识别精度低。该文提出基于改进全卷积神经网络的体育运动员动作识别方法,使用摄像机对体育运动员动作图像进行采集,并对图像进行基于改进全卷积神经网络的运动区域提取,体育运动员动作识别流程,输入动作图像并对结果进行输出,实现基于改进全卷积神经网络的体育运动员动作识别。实验结果表明该研究方法识别精度高,具有一定优势。 展开更多
关键词 改进卷积神经网络 体育运动 动作识别 识别方法
在线阅读 下载PDF
基于卷积神经网络迁移学习的飞机目标识别 被引量:10
5
作者 杨予昊 孙晶明 虞盛康 《现代雷达》 CSCD 北大核心 2019年第12期35-39,共5页
飞机目标识别是地面情报系统的一项重要关键技术。近年来火热的深度学习方法,如卷积神经网络,展现出对于图像识别任务的优越性能。但是,训练卷积神经网络需要大量的带标签样本以估计规模庞大的模型参数,因而限制了其在雷达目标识别领域... 飞机目标识别是地面情报系统的一项重要关键技术。近年来火热的深度学习方法,如卷积神经网络,展现出对于图像识别任务的优越性能。但是,训练卷积神经网络需要大量的带标签样本以估计规模庞大的模型参数,因而限制了其在雷达目标识别领域中的应用。针对飞机目标识别中的小样本问题,文中引入适用于有限数据场景的迁移学习技术,预先在其他大样本高分辨距离像数据上训练一个初始卷积神经网络模型,再结合当前飞机目标识别任务调优模型参数。在实测数据上的实验结果显示,与仅使用卷积神经网络的方法相比,所提方法可显著提升识别准确率,验证了方法的有效性。 展开更多
关键词 飞机目标识别 卷积神经网络 小样本 迁移学习
在线阅读 下载PDF
基于双分支卷积神经网络的弱光图像显著性目标识别研究
6
作者 陈虹云 徐欢潇 +1 位作者 李秀静 梅香香 《激光杂志》 CAS 北大核心 2024年第10期136-140,共5页
图像的亮度和对比度通常较低,使得目标信息变得模糊不清,增加识别的难度。针对传统识别方法面对多个显著性目标识别不准确的问题,提出基于双分支卷积神经网络的弱光图像显著性目标识别方法。针对弱光图像实施图像灰度化处理和去噪处理... 图像的亮度和对比度通常较低,使得目标信息变得模糊不清,增加识别的难度。针对传统识别方法面对多个显著性目标识别不准确的问题,提出基于双分支卷积神经网络的弱光图像显著性目标识别方法。针对弱光图像实施图像灰度化处理和去噪处理。增强弱光图像,调节弱光问题,利用双分支卷积神经网络,提取弱光图像显著性目标特征。实验结果表明:所研究方法应用下,无论图像中存在几个显著性目标,Kappa值均在0.8以上,准确性较高。 展开更多
关键词 双分支卷积神经网络 弱光图像 显著性目标 识别方法
在线阅读 下载PDF
基于卷积神经网络的ISAR图像目标识别
7
作者 刘瑾 秦长海 +2 位作者 占银玉 王凤杰 涂建 《制导与引信》 2024年第3期27-34,53,共9页
利用电磁仿真软件构建了多角度、多分辨率、多目标的逆合成孔径雷达(inverse synthetic aperture radar,ISAR)图像数据集,采用AlexNet、VGGNet、ResNet、MobileNet等卷积神经网络对仿真ISAR图像进行了训练和多目标分类识别实验,并对实... 利用电磁仿真软件构建了多角度、多分辨率、多目标的逆合成孔径雷达(inverse synthetic aperture radar,ISAR)图像数据集,采用AlexNet、VGGNet、ResNet、MobileNet等卷积神经网络对仿真ISAR图像进行了训练和多目标分类识别实验,并对实验结果进行了比较分析。实验结果表明,4种网络模型识别性能接近,目标识别时间在15 ms内,识别准确率接近100%,且具备轻量化识别条件。 展开更多
关键词 深度学习 卷积神经网络 图像分类 目标识别
在线阅读 下载PDF
基于迁移卷积神经网络的桥梁结构损伤识别方法 被引量:1
8
作者 罗旭欣 陈龙 +1 位作者 梁韬 黄天立 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3888-3899,共12页
针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况,为了提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率,提出一种结合迁移学习(Transfer Learning,TL)和一维卷积神经网络(One Dimensio... 针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况,为了提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率,提出一种结合迁移学习(Transfer Learning,TL)和一维卷积神经网络(One Dimensional Convolutional Neural Network,1D-CNN)的结构损伤识别方法。首先,基于结构有限元数值模拟数据训练1D-CNN模型,选择损伤识别效果较好、性能优良的模型作为源模型;然后,将源模型中的网络结构和超参数迁移到实际结构实测数据集(目标域)网络模型的对应位置并冻结,得到预训练模型;最后,使用实测数据微调预训练模型得到目标模型。为验证该方法的有效性,通过3层钢框架结构实验室试验和日本某简支钢桁梁桥的现场试验,对比源模型(模型Ⅰ)、仅采用实测数据训练得到的CNN模型(模型Ⅱ)和采用迁移学习得到的CNN目标模型(模型Ⅲ)等3种神经网络模型的结构损伤模式识别准确率。研究结果表明:3层钢框架结构实验室试验中,3种CNN模型的最高损伤模式识别准确率分别为63.44%,98.44%,99.06%;日本某简支钢桁梁桥的现场试验中,3种CNN模型的最高损伤模式识别准确率分别为59.50%,97.00%,99.50%。针对不同结构,目标模型(模型Ⅲ)的损伤模式识别准确率均最高,收敛速度最快,优于其他2种CNN模型。基于迁移卷积神经网络的桥梁结构损伤识别方法具有较好的实际结构损伤识别能力,为解决数据有限情况下的结构损伤识别问题提供了一种有效的解决途径。 展开更多
关键词 桥梁结构 损伤模式识别 一维卷积神经网络 迁移学习 源域 目标
在线阅读 下载PDF
基于深度神经网络的火箭图像目标识别与跟踪 被引量:2
9
作者 刘光花 杨发顶 +1 位作者 程亚伟 胡振宇 《沈阳航空航天大学学报》 2024年第4期59-66,共8页
火箭图像目标识别与跟踪是图像目标识别的重要应用领域,是实现火箭测试发射、飞行控制的重要支撑,对火箭目标跟踪、姿态分析控制具有重要意义。上升段的火箭目标视频图像跟踪是火箭飞行测控的重要阶段,但目前对火箭上升段的视频图像跟... 火箭图像目标识别与跟踪是图像目标识别的重要应用领域,是实现火箭测试发射、飞行控制的重要支撑,对火箭目标跟踪、姿态分析控制具有重要意义。上升段的火箭目标视频图像跟踪是火箭飞行测控的重要阶段,但目前对火箭上升段的视频图像跟踪主要依靠人工手动操作云台控制器,图像跟踪存在跟踪滞后、画面抖动等问题,跟踪效果受人为因素影响较大。结合全卷积理论和深度学习方法,提出一种基于全卷积深度神经网络的火箭图像目标识别与跟踪方法,采集火箭发射及上升段的图像作为样本,构建、训练全卷积网络模型,采用端到端的语义分割方法,在深度分类网络的基础上,实现火箭目标在像素级别上的语义判断,具有较好的识别率和鲁棒性。在火箭目标识别的基础上建立云台控制模型,通过对云台的智能控制获得火箭上升段的高质量图像,完成对火箭目标的跟踪。 展开更多
关键词 深度神经网络 图像识别 云台控制器 目标跟踪 卷积网络
在线阅读 下载PDF
全卷积神经网络在垃圾土勘察中的应用 被引量:1
10
作者 徐四一 张旭 《岩土工程技术》 2024年第1期75-77,共3页
垃圾土与原土壤往往存在电阻率差异,常用垃圾土探测方法是高密度电阻率法和时域电磁法,而对反演结果的人工解译效率低,且准确性难以保证。通过全卷积神经网络在垃圾土勘察中的应用,识别某拆后绿地改造工程地下建构筑物垃圾土探测数据,... 垃圾土与原土壤往往存在电阻率差异,常用垃圾土探测方法是高密度电阻率法和时域电磁法,而对反演结果的人工解译效率低,且准确性难以保证。通过全卷积神经网络在垃圾土勘察中的应用,识别某拆后绿地改造工程地下建构筑物垃圾土探测数据,确定垃圾土范围,表明了本方法的有效性、实用性和可靠性,为垃圾土勘察、土方量计算和改善土地性状等提供参考。 展开更多
关键词 卷积神经网络 垃圾土 高密度电阻率法 异常识别
在线阅读 下载PDF
基于卷积神经网络的SAR图像目标识别研究. 被引量:73
11
作者 田壮壮 占荣辉 +1 位作者 胡杰民 张军 《雷达学报(中英文)》 CSCD 2016年第3期320-325,共6页
针对合成孔径雷达(Synthetic Aperture Radar,SAR)的图像目标识别应用,该文提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的SAR图像目标识别方法。首先通过在误差代价函数中引入类别可分性度量,提高了卷积神经网络的... 针对合成孔径雷达(Synthetic Aperture Radar,SAR)的图像目标识别应用,该文提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的SAR图像目标识别方法。首先通过在误差代价函数中引入类别可分性度量,提高了卷积神经网络的类别区分能力;然后利用改进后的卷积神经网络对SAR图像进行特征提取;最后利用支持向量机(Support Vector Machine,SVM)对特征进行分类。使用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)SAR图像数据进行实验,识别结果证明了所提方法的有效性。 展开更多
关键词 合成孔径雷达 自动目标识别 卷积神经网络 支持向量机 BP算法
在线阅读 下载PDF
基于卷积神经网络的水下目标声呐图像识别方法 被引量:20
12
作者 金磊磊 梁红 杨长生 《西北工业大学学报》 EI CAS CSCD 北大核心 2021年第2期285-291,共7页
水下目标识别是水下无人探测的一项核心技术,为提高水下自动目标识别准确率,提出基于卷积神经网络的目标声呐图像识别方法,针对声呐图像特点,设计了融合图像显著区域分割和金字塔池化的水下目标识别模型。基于流形排序显著性检测方法分... 水下目标识别是水下无人探测的一项核心技术,为提高水下自动目标识别准确率,提出基于卷积神经网络的目标声呐图像识别方法,针对声呐图像特点,设计了融合图像显著区域分割和金字塔池化的水下目标识别模型。基于流形排序显著性检测方法分割和裁剪图像,减小输入数据维度并减少图像背景对目标特征提取过程的干扰;通过堆叠卷积层和池化层,从原始声呐图像中自动学习目标的高层语义信息,避免人工提取图像特征对有效信息的破坏;提出采用空间金字塔池化方法提取特征图中的多尺度信息,弥补声呐图像细节信息少的缺陷,同时解决输入图像尺寸不一致的问题。结果表明,设计的卷积神经网络模型在实测声呐图像数据集上能够比常规卷积神经网络更准确、更快速地识别水下目标。 展开更多
关键词 自动目标识别 声呐图像 卷积神经网络 显著性 金字塔池化
在线阅读 下载PDF
基于递归神经网络的飞机目标识别方法 被引量:6
13
作者 肖怀铁 庄钊文 郭桂蓉 《国防科技大学学报》 EI CAS CSCD 1997年第4期48-53,共6页
针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。
关键词 递归神经网络 飞机 目标识别 雷达 自动识别
在线阅读 下载PDF
基于AlexNet卷积神经网络的激光雷达飞机尾涡识别研究 被引量:17
14
作者 潘卫军 段英捷 +2 位作者 张强 吴郑源 刘皓晨 《光电工程》 CAS CSCD 北大核心 2019年第7期123-130,共8页
为解决飞机尾涡威胁后机飞行安全问题,保障空中交通安全,提高机场和空域容量,提出了一种基于AlexNet卷积神经网络模型的算法,实现飞机尾涡的准确识别。结合多普勒激光雷达探测原理和Hallck-Burnham尾涡速度经典模型,构建了AlexNet神经... 为解决飞机尾涡威胁后机飞行安全问题,保障空中交通安全,提高机场和空域容量,提出了一种基于AlexNet卷积神经网络模型的算法,实现飞机尾涡的准确识别。结合多普勒激光雷达探测原理和Hallck-Burnham尾涡速度经典模型,构建了AlexNet神经网络模型提取大气风场中的尾涡速度云图的图像特征,识别飞机尾涡。研究表明,该模型能够准确识别目标空域中的飞机尾涡,网络模型收敛后对尾涡识别的准确率高达91.30%,并具有低虚警率,能有效地实现对飞机尾涡的识别和预警,达到尾涡监测的目的。 展开更多
关键词 尾涡识别 AlexNet卷积神经网络 目标识别 多普勒激光雷达
在线阅读 下载PDF
基于混合型复数域卷积神经网络的三维转动舰船目标识别 被引量:11
15
作者 张云 化青龙 +1 位作者 姜义成 徐丹 《电子学报》 EI CAS CSCD 北大核心 2022年第5期1042-1049,共8页
在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type C... 在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type Complex-Valued Convolutional Neural Network,Mix-CV-CNN),并推导Mix-CV-CNN前向传播与反向传播算法.三维转动舰船目标经过SAR成像处理后存在剩余相位信息,Mix-CV-CNN能充分利用SAR复数域图像的幅度和相位信息,在不进行目标重聚焦的情况下,较好完成SAR复杂运动舰船目标的识别.实验表明,Mix-CV-CNN相较于具有相同自由度的实数域卷积神经网络(Real-Valued Convolutional Neural Network,RV-CNN)识别性能有所提高,实测数据识别平均准确率提高3.85%. 展开更多
关键词 合成孔径雷达 复数域卷积神经网络 三维转动 目标散焦 舰船目标识别 混合型复数域卷积神经网络
在线阅读 下载PDF
基于全卷积神经网络的遥感图像海面目标检测 被引量:8
16
作者 喻钧 康秦瑀 +3 位作者 陈中伟 初苗 胡志毅 姚红革 《弹箭与制导学报》 北大核心 2020年第5期15-19,23,共6页
针对通常的神经网络算法在检测遥感图像海面目标时存在精确率低、漏检概率高的问题,改进了一种基于YOLOv3全卷积神经网络的遥感图像海面目标检测方法。首先根据海面目标的宽高比例,利用Kmeans++聚类算法,确定出适合于数据集的anchor box... 针对通常的神经网络算法在检测遥感图像海面目标时存在精确率低、漏检概率高的问题,改进了一种基于YOLOv3全卷积神经网络的遥感图像海面目标检测方法。首先根据海面目标的宽高比例,利用Kmeans++聚类算法,确定出适合于数据集的anchor box值;接着采用FPN思想进行特征融合;最后,选用GIOU作为坐标预测的损失函数,进一步优化检测结果。实验表明:文中方法在遥感图像海面目标检测中的平均精确率为90.82%,相比于其他算法平均提高了5.34%。 展开更多
关键词 YOLOv3 卷积神经网络 遥感图像 目标检测
在线阅读 下载PDF
基于卷积神经网络的高分辨距离像目标识别 被引量:21
17
作者 杨予昊 孙晶明 +1 位作者 虞盛康 彭雄伟 《现代雷达》 CSCD 北大核心 2017年第12期24-28,共5页
特征提取是基于高分辨距离像进行雷达目标识别的关键技术。传统的人工提取特征的算法,只利用了浅层结构特征,不可避免会带来信息损失,从而导致目标识别方法的泛化性不强。针对上述问题,文中尝试引入深度学习工具,提出了一种基于卷积神... 特征提取是基于高分辨距离像进行雷达目标识别的关键技术。传统的人工提取特征的算法,只利用了浅层结构特征,不可避免会带来信息损失,从而导致目标识别方法的泛化性不强。针对上述问题,文中尝试引入深度学习工具,提出了一种基于卷积神经网络的目标识别方法。通过构造适用于处理高分辨距离像的卷积神经网络模型,优化深度学习参数,充分发掘高分辨距离像所包含的目标深层次属性特征,实现稳健的自动特征提取,完成目标分类。最后,基于实测数据对该方法进行了性能验证,实验结果显示了所提方法的有效性。 展开更多
关键词 高分辨距离像 目标识别 深度学习 卷积神经网络
在线阅读 下载PDF
基于改进卷积神经网络的飞机桁架焊缝缺陷识别与测试 被引量:3
18
作者 刘霞 金忠庆 《航空制造技术》 CSCD 北大核心 2021年第23期34-38,共5页
飞机桁架的焊接质量是其工作强度的重要保证,因此对桁架的焊缝缺陷进行有效检测和识别是当前航空制造业重点研究的问题。为快速而有效地检测出焊缝的内部缺陷,并针对传统目标识别方法中存在的计算复杂、识别精度不高等问题,提出了一种... 飞机桁架的焊接质量是其工作强度的重要保证,因此对桁架的焊缝缺陷进行有效检测和识别是当前航空制造业重点研究的问题。为快速而有效地检测出焊缝的内部缺陷,并针对传统目标识别方法中存在的计算复杂、识别精度不高等问题,提出了一种基于改进卷积神经网络(Convolutional neural network,CNN)的焊缝缺陷识别方法。首先,对焊缝图像进行阈值划分,使其特征信息更利于提取;然后,设计了改进的自适应池化方法,从而提出一种新的焊缝图像缺陷识别模型结构,并制定相应的模型参数与计算方法;最后,利用所设计的识别模型对焊缝图像进行识别训练与测试。研究结果表明,该网络模型可有效实现焊缝内部缺陷的识别及分类,平均正确识别率达到98.25%,说明所提出的方法具有识别速度快、正确率高、鲁棒性好的优点,为焊缝缺陷识别工艺过程提供理论参考。 展开更多
关键词 卷积神经网络(CNN) 焊缝缺陷 图像识别 飞机桁架 MATLAB仿真
在线阅读 下载PDF
基于Kohonen神经网络的飞机目标识别 被引量:1
19
作者 肖怀铁 庄钊文 郭桂蓉 《现代雷达》 CSCD 北大核心 1997年第3期36-40,共5页
首先分析了Kohonen神经网络算法及其识别机理。结合飞机目标识别实际情况,借鉴人脑从粗分到细分的思想,提出了基于KNN—MLFNN网络组分类器的飞机目标分类方法。应用于五种飞机目标的识别结果表明:自组织神经网络的学... 首先分析了Kohonen神经网络算法及其识别机理。结合飞机目标识别实际情况,借鉴人脑从粗分到细分的思想,提出了基于KNN—MLFNN网络组分类器的飞机目标分类方法。应用于五种飞机目标的识别结果表明:自组织神经网络的学习速度快,自学习能力强;KNN—MLFNN网络组分类器有高的分类精度。 展开更多
关键词 KOHONEN 神经网络 目标识别 飞机 航空雷达
在线阅读 下载PDF
基于改进卷积神经网络的受电弓滑板缺陷识别方法
20
作者 王科理 石春珉 +3 位作者 王克俊 程传彬 李勇 孙飚 《铁道机车车辆》 北大核心 2024年第4期99-105,共7页
受电弓滑板监测装置(5C)利用高清成像装置获得机车受电弓滑板图像,以确保受电弓运行状态良好。针对传统方法检测精度低的问题,提出基于卷积神经网络的受电弓滑板缺陷识别方法。替换YOLO v5网络激活函数提高模型训练速度和泛化能力,通过... 受电弓滑板监测装置(5C)利用高清成像装置获得机车受电弓滑板图像,以确保受电弓运行状态良好。针对传统方法检测精度低的问题,提出基于卷积神经网络的受电弓滑板缺陷识别方法。替换YOLO v5网络激活函数提高模型训练速度和泛化能力,通过数据增强方法平衡正负样本的比例。通过对现场5C数据进行试验,表明该方法的准确率达到97.33%,召回率达到了88.77%,F1分数达到了92.85%,证明了其在实际铁路场景中的应用价值。 展开更多
关键词 受电弓 滑板 目标检测 图像识别 卷积神经网络
在线阅读 下载PDF
上一页 1 2 11 下一页 到第
使用帮助 返回顶部