基于训练网络的目标检测方法及应用

传统的Faster-RCNN目标检测网络以VGG16作为训练网络,其网络提取能力弱、检测速度慢,提出将inception网络与深度残差网络作为训练网络用于Faster R-CNN。在TensorFlow框架下,搭建相应的网络模型,并选取飞机、车辆、操场以及水箱的遥感图像进行了实验验证。实验结果表明,相比于VGG16网络,基于inception网络与深度残差网络作为训练网络的Faster R-CNN模型在识别精度和识别速度上都具有明显的优势。

基于时间反演电磁波的微结构天线的单频点超分辨力聚焦研究

提出了在时间反演技术条件下单频的电磁波信号可以实现超分辨力聚焦这一思路,并基于信道理论推导了该思路的可行性;基于传统的同轴探针结构建立了间距为1/4波长的微结构模型,仿真结果证实了该模型结合时间反演技术在单频信号和宽带信号激励时均可以表现出超分辨力聚焦特性,理论分析和仿真结果为单频以及多频带天线的超分辨力聚焦特性的研究提供了重要的指导作用。