一种基于UML的面向对象的软件需求分析方法

本文在介绍需求分析阶段UML用例图、序列图、活动图的使用的基础上,以某AI智能监控系统为例,详细阐述了基于UML的面向对象的需求分析方法与步骤,并进一步使用用例图、序列图和活动图等工具进行系统的需求分析,最终形成基于UML的一种实用可靠的面向对象软件需求分析方法。

基于多模态数据融合学习网络的微弱目标群检测方法

微弱目标群检测是目标检测领域中的难点,随着传感技术发展使得基于多模态数据融合的目标检测方法成为可能。传统的方法常常关注于人工设计的多模态数据融合层面,一般采用信号级及决策级的融合,无法充分利用多模态内在融合特征。为此,为了充分利用深度卷积网络的内在多模态特征表达能力,提出一种端到端多模态数据学习融合网络,能够融合学习可见光、红外和多普勒脉冲雷达数据。在FLIR_ADAS数据集上验证算法识别微弱目标群的性能,实验结果表明本文算法能够显著提高微弱目标群检测性能。

基于知识学习的多目标关联检测与识别方法

随着感知智能水平的日趋成熟,人工智能研究呈现出向认知智能发展的态势;作为人工智能在感知智能方面的代表领域,图像目标识别在向认知智能发展的道路上存在着人机之间以及机器之间知识难通用、可扩展性低等问题;为此,提出了基于知识的多目标关联判别框架,通过引入知识图谱,将目标特征知识进行语义化表达与规则化关联存储,构建了基于知识学习的多目标关联检测与识别方法,动态按需调用目标检测模型的同时,迭代式更新多目标关联的知识图谱,形成双向反馈学习循环;最后,通过相关仿真实验,验证了基于知识学习的多目标关联判别方法的可行性,为提高图像目标识别算法的知识通用化和可扩展性提供了新的思路。