【摘 要】
：
海洋声场环境的时变空变特性、水声目标发声机理的多源性以及其他噪声源的干扰,给水声目标的检测和识别带来很多困难.常规的目标识别手段主要是基于音频时频域特征分析,在复
【机 构】
：
复旦大学计算机科学技术学院,中国电子科技集团公司第二十三研究所
【基金项目】
：
国家自然科学基金(61671156)
论文部分内容阅读
海洋声场环境的时变空变特性、水声目标发声机理的多源性以及其他噪声源的干扰,给水声目标的检测和识别带来很多困难.常规的目标识别手段主要是基于音频时频域特征分析,在复杂海洋环境下的难以获取有效的表征特征及鲁棒的识别效果.为了解决这些问题,本文提出了基于迁移学习的水声目标识别,分别利用预训练网络VGG和VGGish提取深层声学特征及模型微调,实现水声目标的分类识别.实验表明,本文提出的识别算法有效提升了识别准确率,减少了训练时间,基于微调的迁移学习算法在水声目标识别上平均准确率为92.48%,取得了当前最好的识
其他文献
一、引言小麦是我国重要的粮食作物,对于保障粮食安全具有重要的意义。近年来,随着河北省唐山市小麦种植规模的逐渐扩大,如何进一步提升小麦的产量和品质已经成为摆在我们面
在养猪生产中,猪只经常会发生一种便秘症状,发病后通常会表现排便困难、腹部胀大、食欲下降、采食量减少,随着病情的发展病猪腹部疼痛难忍、精神不宁、站立不安等,不仅影响猪
针对传统蜜网所致的成本昂贵、流量控制不便及动态调整困难等问题,提出使用SDN、ODL与Mininet技术部署轻量级虚拟蜜罐,组建虚拟蜜网拓扑,使用深度学习技术DDPG优化路由选择路
针对我国食品安全来讲,玉米制种产业发挥着非常重要的作用。当前我国在发展玉米制种产业过程中,还存在着很多的不足情况,不利于我国农业的健康发展。应全面分析当前在发展玉
在学习了已有的检测与分类算法以后,设计了一种将改进的高斯混合模型(GMM)与分类网络(GoogLeNet)融合的方案用于车辆的检测和分类.针对高斯混合模型存在模型初始化速度慢和计算复杂的问题,改进了初始化模型的算法提升初始化效率.运用五帧差法做车辆初提取,在提取到的车辆区域上运用高斯混合模型获得车辆图片,把五帧差法和高斯混合模型结合起来减小了建模的区域,提升了检测速度,提高了系统实时性.最后使用G
针对运动目标检测,当前算法具有一定的适用性和局限性,以及检测信息不完整等问题,在帧间差分法和混合高斯模型的基础上,提出了一种改进的混合高斯模型的目标检测算法,用来解
工业物联网(IIoT)解决方案与运营技术(OT)的区别在于,前者通过物联网端点以经济高效的方式从所有联网资产中采集高速、复杂的机器数据,而且所采集的数据数量和质量均高于OT。
注:此估算结果是基于45个国家的消费和贸易数据计算,占全球废纸消耗量的70%。其余的30%主要来自俄罗斯、波兰、中国、印度、印度尼西亚和一些较小的亚洲及拉丁美洲地区的国内
注:此统计结果是基于世界上的20个主要产浆国(W-20)的统计数据,W-20包括阿根廷、奥地利、比利时、巴西、加拿大、智利、芬兰、法国、德国、日本、摩洛哥、新西兰、挪威、南非
骨顶鸡、黑水鸡、大雁、野鸭属于特种水禽,实施好人工养殖特种水禽的保健与消毒程序,对发展人工养殖特种水禽,满足多元化消费需求,减少或杜绝对野生动物的捕杀,保护生态环境