深度卷积神经网络模型在很多公开的可见光目标检测数据集上表现优异,但是在红外目标检测领域,目标样本稀缺一直是制约检测识别精度的难题.针对该问题,本文提出了一种小样本红外图像的样本扩增与目标检测算法.采用基于注意力机制的生成...深度卷积神经网络模型在很多公开的可见光目标检测数据集上表现优异,但是在红外目标检测领域,目标样本稀缺一直是制约检测识别精度的难题.针对该问题,本文提出了一种小样本红外图像的样本扩增与目标检测算法.采用基于注意力机制的生成对抗网络进行红外样本扩增,生成一系列保留原始可见光图像关键区域的红外连续图像,并且使用空间注意力机制等方法进一步提升YOLOv3目标检测算法的识别精度.在Grayscale-Thermal与OSU Color-Thermal红外–可见光数据集上的实验结果表明,本文算法使用的红外样本扩增技术有效提升了深度网络模型对红外目标检测的精度,与原始YOLOv3算法相比,本文算法最高可提升近20%的平均精确率(mean average precision,mAP).展开更多
转台是航空航天半实物仿真系统的重要装备,双马达驱动的电液伺服转台具有速度高、加速度大、频响快等优点。针对转台外框双马达的同步问题,建立了转台的动力学模型。该模型考虑了外框的机械耦合、中框旋转造成的惯量扰动等因素对马达输...转台是航空航天半实物仿真系统的重要装备,双马达驱动的电液伺服转台具有速度高、加速度大、频响快等优点。针对转台外框双马达的同步问题,建立了转台的动力学模型。该模型考虑了外框的机械耦合、中框旋转造成的惯量扰动等因素对马达输出的影响。基于该模型提出了变惯量自适应鲁棒同步控制(Adaptive Robust Synchronous Control with Inertia Disturbance,ARSCI)方法,有效提高了双马达的跟踪精度和同步性能。通过Lyapunov方法证明,只要选择合适控制器参数,就能保证所有的系统状态有界。最后通过仿真研究,证明了该方法的有效性。展开更多
文摘深度卷积神经网络模型在很多公开的可见光目标检测数据集上表现优异,但是在红外目标检测领域,目标样本稀缺一直是制约检测识别精度的难题.针对该问题,本文提出了一种小样本红外图像的样本扩增与目标检测算法.采用基于注意力机制的生成对抗网络进行红外样本扩增,生成一系列保留原始可见光图像关键区域的红外连续图像,并且使用空间注意力机制等方法进一步提升YOLOv3目标检测算法的识别精度.在Grayscale-Thermal与OSU Color-Thermal红外–可见光数据集上的实验结果表明,本文算法使用的红外样本扩增技术有效提升了深度网络模型对红外目标检测的精度,与原始YOLOv3算法相比,本文算法最高可提升近20%的平均精确率(mean average precision,mAP).
文摘转台是航空航天半实物仿真系统的重要装备,双马达驱动的电液伺服转台具有速度高、加速度大、频响快等优点。针对转台外框双马达的同步问题,建立了转台的动力学模型。该模型考虑了外框的机械耦合、中框旋转造成的惯量扰动等因素对马达输出的影响。基于该模型提出了变惯量自适应鲁棒同步控制(Adaptive Robust Synchronous Control with Inertia Disturbance,ARSCI)方法,有效提高了双马达的跟踪精度和同步性能。通过Lyapunov方法证明,只要选择合适控制器参数,就能保证所有的系统状态有界。最后通过仿真研究,证明了该方法的有效性。