基于软硬协作决策的半监督珊瑚礁底质分类方法

珊瑚礁底质分类对海洋资源开发和海洋生态环境保护起到至关重要的作用。目前,深度学习语义分割方法在遥感图像分类领域应用广泛,但在底质分类方面的研究较少。由于基于全监督深度学习的方法中逐像素标注标签的成本较高,不适用于大规模、高频次的底质分类工作,基于半监督的深度学习方法能够有效利用已标注标签为无标签数据产生伪标签,从而有效降低人工成本,然而现有半监督方法的性能易受伪标签噪声的干扰。针对以上问题,本文提出了一种基于软硬协作决策的半监督底质分类方法。首先,利用多模型联合决策生成高质量的伪标签;然后,提出了一种能够顾及伪标签像素置信度的损失函数来指导模型进行训练;最后,采用软硬协作的决策方式得到精确的底质分类结果。在美属维尔京群岛圣克罗伊岛北部的巴克岛礁和夏威夷群岛的中途岛东南约400km处的珍珠与爱马仕环礁的浅层底栖生物栖息地地图数据集上评估了本文方法的精度,实验结果表明,本文提出的方法与全监督学习方法精度相当,比主流的语义分割方法精度平均高3.08%,能够有效服务于珊瑚礁底质调查工作。

基于软硬协作决策的目标检测传感系统设计与实现

针对远距离低信噪比条件下视觉传感目标检测困难的问题,设计并实现一种多传感器下的基于动态时空特性软硬协作决策的目标检测系统。系统以FPGA控制模块作为核心模块,主要用于传感器图像信息的采集、传递、存储以及控制。利用链路口发送模块对传感器信号进行转换和缓存。将USB设备作为整个系统的基础设备,主要负责整个系统信号数据的传输。通过片内存储器对系统的程序及数据进行保存,有效实现目标检测。软件设计过程中,引入动态时空特性下的软硬协作决策机制,并详细分析,给出目标检测的程序代码,仿真实验结果表明,所提系统具有很高的可靠性和实用性。

一种用于传感器网络的目标检测方法改进研究

对网络传感器系统中的目标进行检测,可以改善多传感器系统的目标检测精度与效率。由于检测目标受到环境温度等外部客观因素的影响,使得检测目标会存在动态时空特性,传统的检测方法针对这种特性形成的干扰,主要通过对检测目标特征进行动态线性处理,降低阈值来减少干扰带来的影响,导致目标检测不准确,精度低的问题。提出采用动态时空特性软硬协作决策的目标检测方法。利用时域、空域和频域对传感器网络的进行准确的三维描述,建立目标检测模型,从时空角度对传感器网络的动态特性进行分析,利用软决策和硬决策相结合的方式对目标物体进行检测,并在传感器节点中加入了协作控制模块。仿真结果表明,利用改进算法进行传感器网络的目标检测,能够有效提高检测精度和效率。