检索结果-维普期刊中文期刊服务平台

基于卷积神经网络的遥感图像舰船目标检测被引量：56: 1; 作者黄洁姜志国 +1 位作者张浩鹏姚远《北京航空航天大学学报》 EI CAS CSCD 北大核心 2017年第9期1841-1848,共8页; 针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的... 展开更多; 关键词卷积神经网络(CNN) 支持向量机(SVM) 舰船检测特征提取迁移学习; 在线阅读下载PDF 职称材料

基于序列图像的空间目标三维重建被引量：19: 2; 作者张浩鹏魏全茂 +2 位作者张威吴俊峰姜志国《北京航空航天大学学报》 EI CAS CSCD 北大核心 2016年第2期273-279,共7页; 空间目标三维重建对空间态势感知和理论研究具有重要意义。针对空间目标图像存在的由纹理重复导致的错误重建问题,提出了一种新的基于运动信息恢复三维场景结构策略。该策略将序列目标图像的成像时间顺序作为先验信息,顺序地加入新图像... 展开更多; 关键词空间目标三维重建运动法图像仿真序列图像; 在线阅读下载PDF 职称材料

基于层次化分类器的遥感图像飞机目标检测被引量：11: 3; 作者姚远姜志国张浩鹏《航天返回与遥感》 2014年第5期88-94,共7页; 在大量航空航天遥感图像中,快速发现和统计飞机目标并对其进行准确定位,在军事和民用方面均具有重要意义。结合遥感图像特点,针对飞机目标的特征,文章设计了一种基于层次化的分类器的遥感图像飞机目标检测方法。首先用基于哈尔(Haar)特... 展开更多; 关键词飞机目标图像特征检测层次化分类器航天遥感; 在线阅读下载PDF 职称材料

基于形状约束和局部演化的二值水平集运动目标分割被引量：4: 4; 作者郑锦仙树李波《电子与信息学报》 EI CSCD 北大核心 2013年第5期1037-1043,共7页; 针对水平集分割模型运算效率较低且易出现过分割的现象,结合视频中运动目标分割的应用背景,该文提出一种将运动目标检测作为先验形状约束和曲线局部演化方法相结合的二值水平集分割模型。该模型提出将运动目标检测的区域作为先验形状信... 展开更多; 关键词目标分割形状约束局部演化二值水平集; 在线阅读下载PDF 职称材料

基于改进型YOLO算法的遥感图像舰船检测被引量：40: 5; 作者王玺坤姜宏旭林珂玉《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第6期1184-1191,共8页; 目标检测算法在PASCAL VOC等数据集中取得了非常好的检测效果,但是在大尺度遥感图像中舰船目标的检测准确率却很低。因此,针对可见光遥感图像的特点,在YOLOv3-Tiny算法的基础上增加了特征映射模块,为预测层提供丰富的语义信息,同时在特... 展开更多; 关键词舰船检测 YOLOv3 YOLOv3-Tiny 残差网络特征映射模块; 在线阅读下载PDF 职称材料

基于3D-Winograd的快速卷积算法设计及FPGA实现被引量：1: 6; 作者林珂玉姜宏旭 +1 位作者张永华丛容子《北京航空航天大学学报》 EI CAS CSCD 北大核心 2021年第9期1900-1907,共8页; 近年来,卷积神经网络(CNN)已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性,已被认为是最有前途的CNN硬件加速器,但是受FPGA计算能力、存储资源的限制,基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升... 展开更多; 关键词卷积神经网络(CNN) FPGA Winograd 卷积算法快速算法; 在线阅读下载PDF 职称材料

题名基于卷积神经网络的遥感图像舰船目标检测被引量：56: 1; 作者黄洁姜志国张浩鹏姚远; 机构北京航空航天大学宇航学院北京航空航天大学数字媒体北京市重点实验室; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2017年第9期1841-1848,共8页; 基金国家重点研发计划(2016YFB0501300 2016YFB0501302) +3 种基金国家自然科学基金(61501009 61371134 61071137) 航天科技创新基金~~; 文摘针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的处理中体现出较优的性能;同时,由于军舰样本获取难度大,应用迁移学习的概念,利用大量民船样本辅助军舰目标的检测,取得较好的效果。通过参数调整与实验验证,此方法在自行建立的测试集上检测率达到90.59%,对光照、环境等外界因素具有一定程度的鲁棒性。; 关键词卷积神经网络(CNN) 支持向量机(SVM) 舰船检测特征提取迁移学习; Keywords ship detection feature extraction transfer learning; 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

题名基于序列图像的空间目标三维重建被引量：19: 2; 作者张浩鹏魏全茂张威吴俊峰姜志国; 机构北京航空航天大学宇航学院北京航空航天大学数字媒体北京市重点实验室酒泉卫星发射中心; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2016年第2期273-279,共7页; 基金中央高校基本科研业务费专项资金(YWF-14-RSC-115) 国家自然科学基金(61371134 61071137)~~; 文摘空间目标三维重建对空间态势感知和理论研究具有重要意义。针对空间目标图像存在的由纹理重复导致的错误重建问题,提出了一种新的基于运动信息恢复三维场景结构策略。该策略将序列目标图像的成像时间顺序作为先验信息,顺序地加入新图像进行迭代,以避免因目标结构对称、纹理重复所导致的重建错误。同时针对空间目标成像数据匮乏的问题,进行了空间目标图像仿真,并开展了空间目标地面模拟成像实验研究。结果表明:运动分析结果精确,对噪声有较强的鲁棒性,恢复出的目标三维点云能在一定程度上表达目标的结构信息。同时给出了进行空间目标三维重建时图像序列应满足的边界条件。; 关键词空间目标三维重建运动法图像仿真序列图像; Keywords space object 3D reconstruction structure from motion image simulation sequential-image; 分类号 V19 [航空宇航科学与技术—人机与环境工程] 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

题名基于层次化分类器的遥感图像飞机目标检测被引量：11: 3; 作者姚远姜志国张浩鹏; 机构北京航空航天大学宇航学院北京航空航天大学数字媒体北京市重点实验室; 出处《航天返回与遥感》 2014年第5期88-94,共7页; 文摘在大量航空航天遥感图像中,快速发现和统计飞机目标并对其进行准确定位,在军事和民用方面均具有重要意义。结合遥感图像特点,针对飞机目标的特征,文章设计了一种基于层次化的分类器的遥感图像飞机目标检测方法。首先用基于哈尔(Haar)特征的底层AdaBoost分类器快速去除大部分非目标区域;然后用基于梯度方向直方图(Histogram of Oriented Gradient,HOG)特征的顶层支持向量机(Support Vector Machine,SVM)分类器进行精细检测。在分辨率为1m的遥感图像数据集上的实验结果表明,层次化分类器在保证较高检测率的前提下,大大降低了虚警率,可以有效解决遥感图像飞机检测问题。; 关键词飞机目标图像特征检测层次化分类器航天遥感; Keywords aircraft object image feature detection hierarchical classifiers space remote sensing; 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

题名基于形状约束和局部演化的二值水平集运动目标分割被引量：4: 4; 作者郑锦仙树李波; 机构北京航空航天大学数字媒体北京市重点实验室北京航空航天大学虚拟现实技术与系统国家重点实验室; 出处《电子与信息学报》 EI CSCD 北大核心 2013年第5期1037-1043,共7页; 基金国家973计划项目(2010CB327900) 国家杰出青年科学基金(61125206) 航天支撑技术基金资助课题; 文摘针对水平集分割模型运算效率较低且易出现过分割的现象,结合视频中运动目标分割的应用背景,该文提出一种将运动目标检测作为先验形状约束和曲线局部演化方法相结合的二值水平集分割模型。该模型提出将运动目标检测的区域作为先验形状信息对水平集分割进行约束,并使用二值函数替换传统水平集函数提高运算效率,同时融入曲线的局部演化方法解决二值水平集模型缺乏曲线演化渐进性的问题。实验结果表明,该文方法在分割准确性、鲁棒性和运算效率等方面与相关模型相比均有不同程度的提高。; 关键词目标分割形状约束局部演化二值水平集; Keywords Object segmentation Shape constraint Local evolution Binary level set; 分类号 TN919.8 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于改进型YOLO算法的遥感图像舰船检测被引量：40: 5; 作者王玺坤姜宏旭林珂玉; 机构北京航空航天大学数字媒体北京市重点实验室; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第6期1184-1191,共8页; 基金国家自然科学基金(61872017) 航天科学技术基金(190109)。; 文摘目标检测算法在PASCAL VOC等数据集中取得了非常好的检测效果,但是在大尺度遥感图像中舰船目标的检测准确率却很低。因此,针对可见光遥感图像的特点,在YOLOv3-Tiny算法的基础上增加了特征映射模块,为预测层提供丰富的语义信息,同时在特征提取网络中引用残差网络,提高了检测准确率,从而有效提取舰船特征。实验结果表明:优化后的M-YOLO算法检测准确率为94.12%。相比于SSD和YOLOv3算法,M-YOLO算法的检测准确率分别提高了11.11%和9.44%。; 关键词舰船检测 YOLOv3 YOLOv3-Tiny 残差网络特征映射模块; Keywords ship detection YOLOv3 YOLOv3-Tiny residual network feature mapping module; 分类号 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

题名基于3D-Winograd的快速卷积算法设计及FPGA实现被引量：1: 6; 作者林珂玉姜宏旭张永华丛容子; 机构北京航空航天大学数字媒体北京市重点实验室; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2021年第9期1900-1907,共8页; 基金航天科学技术基金(190109) 国家自然科学基金(61872017)。; 文摘近年来,卷积神经网络(CNN)已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性,已被认为是最有前途的CNN硬件加速器,但是受FPGA计算能力、存储资源的限制,基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先,研究了适用于三维运算的Winograd算法一维展开过程;然后,通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法,优化算法每个卷积层的时钟周期数减少了7倍左右,相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究,证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度,并改善在FPGA运行CNN的性能。; 关键词卷积神经网络(CNN) FPGA Winograd 卷积算法快速算法; Keywords Convolutional Neural Network(CNN) FPGA Winograd convolution algorithm fast algorithm; 分类号 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	作者	出处	发文年	被引量	操作
1	基于卷积神经网络的遥感图像舰船目标检测	黄洁姜志国张浩鹏姚远	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2017	56	在线阅读下载PDF 职称材料
2	基于序列图像的空间目标三维重建	张浩鹏魏全茂张威吴俊峰姜志国	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2016	19	在线阅读下载PDF 职称材料
3	基于层次化分类器的遥感图像飞机目标检测	姚远姜志国张浩鹏	《航天返回与遥感》	2014	11	在线阅读下载PDF 职称材料
4	基于形状约束和局部演化的二值水平集运动目标分割	郑锦仙树李波	《电子与信息学报》 EI CSCD 北大核心	2013	4	在线阅读下载PDF 职称材料
5	基于改进型YOLO算法的遥感图像舰船检测	王玺坤姜宏旭林珂玉	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2020	40	在线阅读下载PDF 职称材料
6	基于3D-Winograd的快速卷积算法设计及FPGA实现	林珂玉姜宏旭张永华丛容子	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料