基于任务经验迁移的雷达目标智能识别方法.pdf

2023-05-18 约2.62万字 18页立即下载

基于迁移学习的声呐图像目标识别方法研究.pdf 基于迁移学习的声呐图像目标识别方法研究摘要声呐是水下机器人进行水下地形地貌获取、水下目标探测识别等任务必不可少的设备。高准确率的声呐图像目标识别能力可以极大地提升水下机器人的自主作业能力和作业效率。然而，目前声呐图像目标的自主探测识别还缺乏准确、有效、适应性强的方法。虽然基于深度神经网络的识别方法已经取得了非常优异的识别能力，但应用在声呐图像目标识别任务时，由于声呐图像获取困难、包含特定目标的样本数量非常稀少等原因，导致可用训练样本数量无法满足深度神经网络的要求。迁移学习方法虽然可以解决训练样本不足的问题，然而声呐图像存在噪声大、模糊、细节特征缺失等特点，与作为源领域的光学图

2025-05-14 约26.63万字页立即下载

基于迁移学习的水中目标识别方法.pdf 基于迁移学习的水中目标识别方法 摘要水中目标识别通过分析被动声纳接收的目标自身所发出的辐射噪声信号来对目标个体进行分类判别。近年来，由于深度学习算法的发展，将水中目标辐射噪声信号中提取的特征用于深度学习模型分类器训练，使分类识别准确率得到了显著提高。然而深度学习算法需要训练大量数据，由于目标数据难以获取水中目标识别是典型的小样本问题。因此，本文主要研究了小样本识别中常用的迁移学习方法用于水中目标识别。主要研究内容包括： 1、提取水中目标辐射噪声信号对数梅尔频谱与恒Q变换特征，分别采用提取特征向量和微调两种深度迁移学习方法将在大型数据集ImageNet上预训练的VGG16、 Res

2025-05-25 约12.06万字 79页立即下载

基于雷达高分辨距离像的目标识别方法、装置及介质.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113406623 A (43)申请公布日 2021.09.17 (21)申请号 202110499484.9 (22)申请日 2021.05.07 (71)申请人中山大学地址 51

2023-06-20 约1.67万字 14页立即下载

雷达目标自适应反向截断智能识别方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114859317 A (43)申请公布日 2022.08.05 (21)申请号 202210669806.4 (22)申请日 2022.06.14 (71)申请人中国人民解放军海军航空大学地址

2023-05-17 约2.65万字 18页立即下载

一种基于波系数的雷达目标识别方法研究的开题报告.docx 一种基于波系数的雷达目标识别方法研究的开题报告 1.研究背景和意义随着雷达技术的不断发展，雷达目标识别在军事、安保、交通等领域中得到了广泛的应用。传统的雷达目标识别方法主要是基于回波信号的特征参数进行识别，如雷达信号的幅度、频率、相位等信息。但这种方法受到了许多因素的影响，如目标的旋转、运动等变化，使得特征参数难以提取和鲁棒性较差。近年来，一种基于波系数的雷达目标识别方法逐渐得到了研究者的关注。该方法是利用二维小波变换对雷达回波信号进行处理，提取出小波系数作为目标的特征向量，并通过分类器进行识别。该方法具有不受目标旋转和运动影响、抗噪性强、可扩展性好等优点，能够提高雷达目标识别的准确率和效

2024-05-11 约小于1千字 2页立即下载

基于雷达的辅助驾驶系统前方目标车辆识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112810619 A (43)申请公布日 2021.05.18 (21)申请号 202011506247.2 B60W 50/00 (2006.01) (22)申请日 2

2023-06-05 约1.31万字 10页立即下载

基于重采样预处理的雷达重频变化稳健目标识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112835003 A (43)申请公布日 2021.05.25 (21)申请号 202011632780.3 (22)申请日 2020.12.31 (71)申请人西安电子科技大学地址

2023-06-06 约2.22万字 18页立即下载

一种基于SOC体系芯片的毫米波雷达长距离目标识别方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114814763 A (43)申请公布日 2022.07.29 (21)申请号 202210210172.6 (22)申请日 2022.03.03 (71)申请人中路云网（福建）信息科技有限公司地

2023-05-12 约7.22千字 7页立即下载

基于深度学习的车载激光雷达点云目标识别方法研究.docx 基于深度学习的车载激光雷达点云目标识别方法研究一、引言随着自动驾驶技术的快速发展，车载激光雷达（LiDAR）系统在智能交通领域得到了广泛应用。LiDAR技术能够实时获取周围环境的点云数据，为车辆提供精确的环境感知信息。然而，如何从海量的点云数据中准确识别出目标物体，是自动驾驶技术面临的重要挑战。本文旨在研究基于深度学习的车载激光雷达点云目标识别方法，以提高目标识别的准确性和效率。二、相关技术背景 2.1激光雷达（LiDAR）技术激光雷达是一种主动式传感器，通过向周围环境发射激光束并接收反射回来的光信号，从而获取物体的距离、位置和形状等信息。LiDAR技术具有高精度、高分辨率和远距离探测

2025-06-07 约5.03千字 10页立即下载

雷达目标的识别方法、装置、设备和存储介质.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112986945 B (45)授权公告日 2022.08.02 (21)申请号 202110246538.0 审查员张耀天 (22)申请日 2021.03.05

2023-06-10 约1.58万字 14页立即下载

基于异构域自适应迁移学习的刀具磨损状态智能识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112801139 A (43)申请公布日 2021.05.14 (21)申请号 202110016625.7 (22)申请日 2021.01.06 (71)申请人南京航空航天大学地址

2023-06-04 约1.96万字 17页立即下载

一种流形上的智能目标识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112926361 A (43)申请公布日 2021.06.08 (21)申请号 20191

2023-06-06 约1.1万字 9页立即下载

基于迁移学习的穿戴式手势识别方法研究.docx 基于迁移学习的穿戴式手势识别方法研究一、引言随着人工智能技术的不断发展，穿戴式手势识别技术在人机交互、智能辅助等领域得到了广泛应用。然而，由于穿戴式手势识别涉及到复杂的动作识别与理解，如何准确高效地识别不同手势仍然是一个重要的挑战。本文旨在研究基于迁移学习的穿戴式手势识别方法，通过迁移学习的方法，利用预训练模型，提升手势识别的准确率。二、相关工作近年来，手势识别技术得到了广泛研究。传统的手势识别方法主要依赖于图像处理和模式识别技术，如基于深度学习的方法。然而，这些方法往往需要大量的标注数据和复杂的模型训练过程。近年来，迁移学习在计算机视觉领域得到了广泛应用，其通过利用预训练模型的知识，

2025-02-27 约3.3千字 7页立即下载

基于迁移学习的小样本命名实体识别方法研究.pdf 基于迁移学习的小样本命名实体识别方法研究摘要近年来，深度学习因其出色的特征提取能力和高精度表现在机器学习领域备受瞩目，但仍需要大量标注数据进行有效训练。在许多实际应用场景中，缺乏标注数据和高成本的人工标注是命名实体识别任务难以解决的问题，在特定领域、小语种等缺乏标注资源的情况下尤为明显。迁移学习中的领域自适应是一种有效的方法，能够通过调整源领域模型参数以适应目标领域，解决命名实体识别任务中标注数据匮乏和难以进行实体标注的问题。现有的领域自适应方法以及小样本命名实体识别还存在以下问题：第一，虽然最大均值差异方法可以减少源领域和目标领域之间特征分布的差异，但其忽略了类别信息，从而

2025-05-23 约10.8万字 66页立即下载