期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于孪生特征引导多尺度网络的复杂场景下坦克检测方法
1
作者
李萍
宋利敏
张善文
《电光与控制》
CSCD
北大核心
2023年第9期85-91,共7页
针对现有的基于CNN的方法存在特征信息丢失、杂波信息干扰严重、忽略了不同尺度特征之间的相关性、需要大量训练样本等问题,提出了一种基于孪生特征引导多尺度网络(SFGMSN)的坦克检测方法。在SFGMSN方法中,设计一种改进的Inception模块...
针对现有的基于CNN的方法存在特征信息丢失、杂波信息干扰严重、忽略了不同尺度特征之间的相关性、需要大量训练样本等问题,提出了一种基于孪生特征引导多尺度网络(SFGMSN)的坦克检测方法。在SFGMSN方法中,设计一种改进的Inception模块,提取坦克目标图像的多尺度特征,并进行特征融合,更好地恢复了坦克目标的精细分段信息;为了提高目标区域的特征感知能力和抑制背景干扰,设计了一种局部通道注意机制(LCA-M),得到更加精准的检测结果;最后,利用元学习器检测坦克目标。SFGMSN方法充分利用多尺度卷积、空洞卷积、孪生网络、局部通道注意机制和元学习器的优势,能够解决传统CNN模型过度依赖大量训练样本以及在小样本条件下可能出现的准确率低和泛化性差的问题。在坦克图像数据库中进行实验,结果表明,所提方法具有较好的检测效果,平均检测精度为90.12%,可实现复杂场景下坦克检测,对低分辨率坦克图像具有很好的鲁棒性。
展开更多
关键词
坦克检测
孪生网络
多尺度CNN
元学习器
孪生特征引导多尺度网络(SFGMSN)
下载PDF
职称材料
题名
基于孪生特征引导多尺度网络的复杂场景下坦克检测方法
1
作者
李萍
宋利敏
张善文
机构
郑州西亚斯学院计算机与软件工程学院
出处
《电光与控制》
CSCD
北大核心
2023年第9期85-91,共7页
基金
河南省科技厅科技攻关项目(222102110134,232102210097)。
文摘
针对现有的基于CNN的方法存在特征信息丢失、杂波信息干扰严重、忽略了不同尺度特征之间的相关性、需要大量训练样本等问题,提出了一种基于孪生特征引导多尺度网络(SFGMSN)的坦克检测方法。在SFGMSN方法中,设计一种改进的Inception模块,提取坦克目标图像的多尺度特征,并进行特征融合,更好地恢复了坦克目标的精细分段信息;为了提高目标区域的特征感知能力和抑制背景干扰,设计了一种局部通道注意机制(LCA-M),得到更加精准的检测结果;最后,利用元学习器检测坦克目标。SFGMSN方法充分利用多尺度卷积、空洞卷积、孪生网络、局部通道注意机制和元学习器的优势,能够解决传统CNN模型过度依赖大量训练样本以及在小样本条件下可能出现的准确率低和泛化性差的问题。在坦克图像数据库中进行实验,结果表明,所提方法具有较好的检测效果,平均检测精度为90.12%,可实现复杂场景下坦克检测,对低分辨率坦克图像具有很好的鲁棒性。
关键词
坦克检测
孪生网络
多尺度CNN
元学习器
孪生特征引导多尺度网络(SFGMSN)
Keywords
tank detection
Siamese network
multi-scale CNN
meta-learner
Siamese Feature-Guided Multi-Scale Network(SFGMSN)
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于孪生特征引导多尺度网络的复杂场景下坦克检测方法
李萍
宋利敏
张善文
《电光与控制》
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部