高分辨率遥感影像飞机目标的双阶段检测方法

针对现有方法进行真实应用场景中大批量的遥感影像进行特定目标检测时耗时且困难的问题,该文根据由粗到精的思路提出了一种遥感影像飞机目标的双阶段检测框架。首先,对预训练模型进行迁移训练,在下采样影像中利用机场检测模型搜索机场区域,实现对目标区域的锁定。然后,对机场场景,利用第二次迁移的模型进行飞机目标检测。结果表明,所提方法可以提高遥感影像检测飞机目标的效率和精度。通过不同阶段的筛选可以去除大部分无效区域,有效避免了在非机场区域产生的误检,提高了准确率。

认知无线电中双阶段频谱检测算法研究

在认知无线电网络中,为了实现更精确的检测,并避免对授权用户的干扰,一种双阶段频谱检测算法被提出。该算法由粗检测和细检测两种方式组成。粗检测阶段采用应用广泛的能量检测技术。由于能量检测技术的性能在衰落环境中容易受到影响,当粗检测阶段时感知结果判定为信道空闲,在细检测阶段将采用基于一阶周期平稳特征检测算法。对于这种双阶段频谱检测算法,推导分析了错误检测概率和吞吐量的性能指标。仿真结果表明,频谱检测性能显著优于常规的一阶段频谱检测算法。

基于深度学习的木材缺陷智能检测的研究进展与展望

木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型方法加以细分归类和对比分析,总结了每种方法的优缺点及其应用面。此外,提出了基于深度学习的木材缺陷检测技术目前所存在的难点与所陷困境。

基于改进U-net和CNN的绝缘子自爆检测方法研究

针对绝缘子自爆故障人工检测效率低,成本高的问题,基于改进U-net和卷积神经网络(CNN)模型,提出一种可有效识别绝缘子自爆故障的双阶段目标检测算法。首先,在语义分割阶段使用改进U-net模型,通过翻倍提高图像分辨率的方法有效提高图像分割精度。其次,在图像分类阶段提出更适合所提问题且有效提高分类准确度的新型CNN模型。最后,使用无人机拍摄的绝缘子图片为实验数据进行实验。实验结果表明所提算法识别精度较高。

基于深度学习的无人机航拍视频多目标检测与跟踪研究进展

随着无人机航拍的数据采集愈加便捷,以无人机为平台的多目标检测与跟踪技术发展迅速,在智慧城市、环境监测、地质探测、精准农业和灾害预警等民用和军事领域有着广泛的应用前景,近年来深度学习的突飞猛进也为其提供了多种更为有效的解决思路。然而,无人机视角下目标外观发生突变、目标区域被严重遮挡以及目标消失和重现等挑战性的问题尚未完全解决。综述了基于深度学习的无人机航拍视频多目标检测与跟踪算法,总结了该领域的最新进展,包括多目标检测、多目标跟踪2个模块。多目标检测模块划分为双阶段与单阶段两个部分。对于多目标跟踪模块则依据基于检测的跟踪和联合检测的跟踪2个经典框架,分别阐述了2类算法的原理并分析其优缺点。随后对现有的公开数据集进行统计分析,并对基于无人机航拍视频的多目标检测与跟踪领域内标杆挑战赛VisDrone Challenge近年来的最优方案进行了对比分析。最后总结了无人机视角下多目标检测与跟踪亟待解决的问题并展望未来可能的研究方向,为后续相关研究的人员提供参考。