【摘 要】
：
本文提出一种基于深度学习方法的起航算法。以航迹起始中的相关信息作为特征,对真实航迹起始进行分类。本文研究分为两个阶段。第一阶段为离线训练阶段,将一次雷达接收到的点迹和航迹数据作为历史量测数据进行预处理,提取航迹起始阶段每一扫描周期的速度,加速度和角度这几个特征并对其进行分析,构建深度学习分类模型。第二阶段为在线起始阶段,首先将新的一次雷达数据进行预处理得到测试样本,然后分别使用修正的Hough变换方法和本文训练完成的深度学习分类模型进行实验,最后比较两种方法的准确率。本文提出的方法在低空监视雷达多杂波的背
【机 构】
：
四川大学视觉合成图形图像技术重点学科实验室
论文部分内容阅读
本文提出一种基于深度学习方法的起航算法。以航迹起始中的相关信息作为特征,对真实航迹起始进行分类。本文研究分为两个阶段。第一阶段为离线训练阶段,将一次雷达接收到的点迹和航迹数据作为历史量测数据进行预处理,提取航迹起始阶段每一扫描周期的速度,加速度和角度这几个特征并对其进行分析,构建深度学习分类模型。第二阶段为在线起始阶段,首先将新的一次雷达数据进行预处理得到测试样本,然后分别使用修正的Hough变换方法和本文训练完成的深度学习分类模型进行实验,最后比较两种方法的准确率。本文提出的方法在低空监视雷达多杂波的背
其他文献
物联网的数据蕴含重要的价值,但其安全和隐私问题不容忽视。访问控制是实现信息开放并保证数据安全和隐私的核心技术。因区块链的去中心化、难篡改、可追溯、可匿名等特点,以及随着智能合约的发展和成熟,越来越多的科研工作尝试探索基于区块链智能合约的新型访问控制方案。本文对基于智能合约的最新工作进行介绍并进行简单的分析。
信息架构对于软件界面的设计与开发至关重要,软件产品本身就是传递信息和提供功能的载体,信息架构通过对软件信息进行归类、组织和设计,以最容易使用和学习的方式将信息展现给用户。为了设计出更加易用的、更加友好的用户界面,近年来有很多研究者对信息架构展开研究。对当前面信息架构的构建方法和应用研究进行综述,并提出当前研究面临的挑战和方向。
二叉树是典型的树型数据结构,在程序设计中有广泛的应用。给出二叉树的创建方法,分析二叉树创建的递归思想,详细描述二叉树创建的程序框架,结合实例验证二叉树创建的结果。对二叉树创建方法的分析有助于加深对二叉树相关算法的理解,提升二叉树应用能力。
针对行人目标检测,现有的一些检测手段无法在嵌入式设备上同时达到实时且高精度的要求,因此提出一种基于YOLOv3改进的实时视频下行人检测的算法。该算法模型首先对网络输入的尺寸进行改进,根据输入尺寸较大的特点增加网络层,同时对YOLOv3的特征提取网络DarkNet-53的结构进行精简,压缩网络的宽度和宽度,并且对损失函数加以改进,减少网络参数量,最后在本文设计的数据集上将该算法与YOLOv3在嵌入式
近年来,人体行为识别已成为计算机视觉领域的重要研究方向之一。为避免传统RGB图像受光照干扰的不足,提出一种基于深度图像的人体行为识别改进算法。首先,将深度图像投影到三个正交的笛卡尔平面坐标系上获得深度运动图;然后,在深度运动图上训练三个方向的卷积神经网络模型;最后,把测试集深度运动图的识别概率进行平均值输出。所提算法在MSR Action3D数据库进行实验,实验结果表明该算法有着较高的识别率,验证
本文主要对于酒瓶包装瓶盖文字检测问题,针对于目标检测领域传统算法的鲁棒性和检测速度提出一种基于DBNet网络,通过改进其网络结构的文字目标检测方法。基于实际生产要求,采用嵌入式开发板作为算法使用平台。本文在原有的DBNet网络的基础上对算法做出适应场景的改进,实验结果表明,本文所提算法相比于传统模型在识别速度上提高90%左右,在识别效果下降不明显的前提下识别速度更快,具有极大的工程应用价值。
图形布局设计广泛应用在平面设计中,它决定了一个页面的层次结构和信息、功能分区。良好的图形布局能让信息更有效传达,且让界面整体更加美观。但图形布局设计是一个耗时且需要大量设计经验的过程。先进有许多自动生成图形布局的研究,本文对传统方法和深度学习方法进行概述,并分析当前研究存在的问题,以便为后续研究者提供研究方向和技术参考。
传统的正畸诊疗主要依靠正畸医生对牙齿锥形束计算机断层扫描(CBCT)图像和铸造的牙齿石膏模型进行分析、诊断和治疗,这个过程非常繁琐且工作量大,对医生的专业要求也非常高。因此,近年来越来越多研究人员关注利用计算机自动分割CBCT图像中的单颗牙齿,以辅助开展正畸治疗。然而,由于牙齿和牙槽骨的强度相近,咬合状态下CBCT图像中上下牙交界处结构复杂,牙髓腔较小且包含在牙齿内部,很难对单个牙齿进行自动分割。
光学相干断层扫描(OCT)是用于监视和诊断眼部疾病的强大技术。然而,斑点噪声对OCT图像质量产生有害影响,这阻碍OCT辅助诊断的发展。受到深度学习快速发展的启发,本文将图像去噪问题视为图像的生成问题,并提出一种基于条件生成对抗网络(cGAN)的方法,通过学习有噪图像到无噪图像的映射来实现去噪过程。实验结果表明,本文提出的方法在视觉效果和指标上优于其他模型。
近年来法医个体识别的实践工作中,主流方法仍然是指纹、DNA、齿科对比等,但是在一些极端情况,例如焚烧、腐败、白骨化等情况时,常规方法却难以奏效。基于此,提出基于蝶窦的三维点云深度学习身份认定方法,进行训练和测试,效果证明该思路的可行性。