新書推薦：
《
丝绸之路与汉唐文学的关系
》
售價：NT$
670.0
《
大唐名将 ： 兵家四势龙虎榜
》
售價：NT$
519.0
《
西方社会学理论的逻辑
》
售價：NT$
1919.0
《
八旗词史
》
售價：NT$
562.0
《
中西餐合璧菜：中国和加拿大
》
售價：NT$
718.0
《
剪纸里的民间故事绘本·年的传说
》
售價：NT$
182.0
《
三国一百年
》
售價：NT$
822.0
《
伊甸之东（诺贝尔文学奖得主、《愤怒的葡萄》作者斯坦贝克自己蕞满意的史诗级杰作）
》
售價：NT$
770.0
|
| 內容簡介： |
|
现有的目标检测识别技术在理想环境（背景单一、目标分辨率高等）中已经取得了显著的效果，但在更为普适开放的环境下往往无法正常工作。复杂场景下小目标的检测和识别研究面临环境的复杂性、目标特性的复杂性和数据的不完备性三个层面的挑战。本文解决该问题的基本思路是在源域知识的指导下，修正目标域样本在特征空间的联合概率分布，从而提高样本目标域特征的可分性。本文针对分布不一致的问题，从上下文信息、信息补偿以及数据增强这三个层面展开研究。
|
| 關於作者： |
|
王栋，1978年出生，副教授，硕士。多次承担重大科研项目，多次获奖、三等功。负责讲授硕士研究生和本科生课程有：网络技术与应用、计算机硬件基础、训练评估等课程。公开出版专著教材5部，发表论文43篇。
|
| 目錄：
|
|
目 录／Contents 第一部分 复杂场景下的小目标检测与识别方法研究第1章 绪论21.1 研究背景及意义31.1.1 研究意义31.1.2 研究现状61.1.3 困难挑战81.1.4 科学问题111.2 研究内容和创新点111.2.1 研究内容121.2.2 特色创新13第2章 复杂场景下小目标检测与识别的相关技术162.1 传统场景下常规目标检测与识别172.1.1 检测与识别的基本模块172.1.2 检测和识别的框架212.2 复杂场景下小目标检测和识别262.2.1 信息增强262.2.2 上下文信息发展现状28第3章 上下文信息指导的复杂场景下小目标检测303.1 小目标特征淹没313.2 小目标检测算法的原理分析343.2.1 复杂场景下的小目标检测343.2.2 上下文信息353.2.3 判别式学习363.3 上下文信息指导的复杂场景下小目标检测方法373.3.1 基于SVM的目标候选区域相似度计算373.3.2 基于谱聚类的图模型分割383.4 实验结果与分析403.4.1 子模块有效性验证实验403.4.2 WiderFace数据集小脸检测的实验结果433.4.3 AFW和PascalFace数据集人脸检测的实验结果433.4.4 DOTA数据集遥感图像小目标检测的实验结果45第4章 信息补偿机制的复杂场景下小目标识别484.1 问题引出494.2 信息补偿机制下的小目标识别算法原理分析534.2.1 低分辨率行为识别与人脸识别534.2.2 基于超分辨率重建的低分辨率物体识别方法534.2.3 基于特征变换的低分辨率物体识别方法544.3 基于表示学习生成对抗网络的小目标识别算法554.3.1 问题定义和方法概述554.3.2 全局特征注意力机制604.3.3 全局特征注意力机制RL-GAN的LR图像分类624.4 实验结果与分析634.4.1 数据集和评价指标644.4.2 WIDER-SHIP遥感图像舰船识别的实验结果674.4.3 HRSC遥感图像舰船识别的实验结果684.4.4 CIFAR-10的实验结果694.4.5 模型消融实验69第5章 样本方向指导的数据增强735.1 问题概述745.2 基于属性指导的数据增强方法分析765.3 样本方向指导的数据增强方法775.3.1 基于物体主轴POD的方向描述子785.3.2 基于中值的数据集相似度量方法805.3.3 基于扰动矩阵的图像旋转算法825.4 实验结果与分析825.4.1 测试集图像旋转对学习模型检测性能的影响835.4.2 物体方向的估计865.4.3 主轴方向分布的相似度衡量87第6章 基于区域推荐和PHOG的飞机快速检测算法906.1 问题概述916.2 区域推荐和特征提取原理分析926.3 基于区域推荐和PHOG的遥感图像中飞机快速检测算法936.3.1 基于梯度特征的快速区域推荐算法936.3.2 基于PHOG的特征快速提取方法946.4 实验结果与分析96本部分总结100参考文献103第二部分 基于机器学习的智能空战深层态势感知第7章 绪论1267.1 空战态势感知概述1287.1.1 空战OODA过程描述1287.1.2 空战态势感知的层次结构1307.2 国内外研究现状1317.2.1 轨迹预测研究1317.2.2 机动识别研究1327.2.3 意图识别研究1337.3 研究意义134第8章 相关理论和数据来源1368.1 数据挖掘理论1378.2 机器学习相关理论1388.2.1 神经网络1388.2.2 支持向量机1408.2.3 深度学习143第9章 基于粒子群优化LSTM的空战轨迹预测研究1449.1 目标轨迹预测问题描述1459.2 基于PSO-LSTM神经网络的飞行轨迹预测1479.2.1 LSTM神经网络模型1479.2.2 传统粒子群算法1499.2.3 自适应学习策略的PSO算法1509.2.4 PSO-LSTM模型1529.2.5 算法流程1539.3 仿真实验与分析1559.3.1 轨迹数据选取与处理1569.3.2 轨迹预测性能对比分析157第10章 基于CHCQPSO-LSSVM的空战目标机动识别研究16310.1 机动识别问题描述16410.1.1 多元时间序列识别16410.1.2 分级识别16610.2 机动动作分类与数据处理16610.2.1 参考坐标系16710.2.2 机动动作分类16910.2.3 飞行数据选择与处理17310.3 基于CHCQPSO-LSSVM的空战目标机动识别17710.3.1 QPSO算法17710.3.2 改进杂交机制的QPSO算法17910.3.3 参数寻优流程18110.3.4 机动识别模型18210.4 仿真实验与分析18310.4.1 机动识别样本数据的构造18310.4.2 实验设置18310.4.3 模型训练18410.4.4 机动识别准确性分析18710.4.5 机动识别实时性分析192第11章 基于Multi-BiLSTM-Attention网络的空战目标意图识别研究19411.1 目标意图识别问题描述19511.2 基于Multi-BiLSTM-Attention网络的1对1空战目标意图识别研究19711.2.1 意图空间描述19711.2.2 BiLSTM20011.2.3 Attention机制20111.2.4 Multi-BiLSTM-Attention模型20311.3 意图识别样本数据的构造20511.4 仿真实验与分析20811.4.1 实验设置20811.4.2 意图识别准确性分析21211.4.3 意图识别实时性分析218本部分总结220参考文献224
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
