检索结果-南通市图书馆

作者：封星宇西安电子科技大学

学位级别：硕士

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高分辨率遥感成像系统,具有全天时、全天候、大幅宽等优点,即使在恶劣气候条件下也能够捕获遥感目标。SAR目标识别任务是目前遥感图像处理领域的研究热点,基于深度神经网络的SAR目标... 详细信息

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高分辨率遥感成像系统,具有全天时、全天候、大幅宽等优点,即使在恶劣气候条件下也能够捕获遥感目标。SAR目标识别任务是目前遥感图像处理领域的研究热点,基于深度神经网络的SAR目标识别算法表现优异。然而,大部分优秀的深度神经网络模型依赖于大量标记训练样本,SAR图像由于其特殊的成像方式,目前可用的标记数据集稀少,且人工标注所耗成本极高。为了克服SAR数据稀少的困难,研究人员将跨域小样本学习引入SAR图像处理,期望从目前相对成熟的源域中学习到先验知识,来完成低资源目标域中的任务。跨域小样本任务要求源域与目标域的数据类型不同且样本类别不同。由于训练过程中仅使用少量标记样本,跨域小样本学习面临监督坍塌的挑战,且跨域小样本学习在小样本基础上增加了源域不同于目标域的要求,不同的数据类型伴随着全然不同的数据特征分布,容易导致域偏移问题。因此,通过解决跨域小样本学习中的一系列难题,构建准确性及泛化性良好的跨域小样本目标识别网络并将其应用到SAR目标识别任务上,是本文的研究重点。本文具体研究工作如下:(1)针对跨域小样本学习中的域偏移问题,提出一种基于特征分布增强的跨域小样本识别方法。为了在特征提取过程中学习到泛化能力极强的特征表示,设计了一种特征增强模块,对中间特征激活图施以仿射变换以增加神经网络训练阶段的随机性。此外,提出一种基于最小类混淆的损失函数,尽可能减小分类过程中模型混淆目标域中的正确类和模糊类的概率。该方法是正则化方法,适用于所有基于度量学习的小样本分类方法。实验证明,增强特征分布可以有效地提高跨域小样本方法在目标域上的识别性能。(2)针对跨域小样本在遥感领域任务中的监督坍塌问题,提出了一种基于局部特征匹配的跨域小样本度量网络。为了获得更具代表性的类中心表示,对分类器部分进行改进,构建了一种基于Transformer模型中的自注意力机制的度量网络模型,关注样本特征图的局部特征匹配和空间对齐。将查询特征中的局部位置与支持集特征提供的键向量与值向量进行像素级别的匹配,计算注意力得分。使用平方欧式距离作为度量函数。实验表明该方法相比其他对比算法进一步提升了模型性能。(3)针对深度神经网络模型计算成本高和内存占用大的问题,提出了一种基于梯度自适应的SAR目标识别网络轻量化方法。通过减小深度神经网络中间层生成的权重值和激活值的位宽来对模型体积进行压缩。为了保证压缩后的模型性能不受影响,该方法对传统量化方法中的反向传播过程进行改进,使模型的全精度值的梯度大小根据离散值梯度大小自适应地拉伸或缩短,从而既解决了反向传播中的梯度爆炸问题,也有效地减少了模型的量化误差。实验表明,该方法可以在保证模型精度的前提下高效降低模型的内存占用和计算成本。

关键词：跨域小样本学习 SAR图像目标识别特征增强轻量化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

启迅同创校园物流系统的构建

引用

森林工程 2011年第3期27卷 92-94页

作者：封星宇安立华王洪森陈雯李洪亮牛亚娟东北林业大学工程技术学院哈尔滨150040

随着现代物流业的迅速发展,校园物流日渐受到各大物流企业的重视,高校成了被抢占的市场。目前,校园物流的形式、规模各异,但是成功者很少。本课题结合对东北林业大学周边的调查结果,对东北林业大学适合开展校园物流的因素进行分析,利用... 详细信息

随着现代物流业的迅速发展,校园物流日渐受到各大物流企业的重视,高校成了被抢占的市场。目前,校园物流的形式、规模各异,但是成功者很少。本课题结合对东北林业大学周边的调查结果,对东北林业大学适合开展校园物流的因素进行分析,利用校企合作的成果构建校园物流系统,旨在通过此系统实现校企资源共享、优势互补、平等互利、共同发展。

关键词：校园物流实践需求

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：