检索结果-南通市图书馆

光学遥感图像舰船目标检测与识别方法研究进展

在线全文

学校读者我要写书评

暂无评论

航空学报 2024年第8期45卷 46-79页

作者：赵其昌吴一全苑玉彬南京航空航天大学电子信息工程学院南京211106 上海卫星工程研究所卫星总体部上海201109

不论是在军事侦查领域还是海洋执法方面,舰船目标检测与识别技术都至关重要,尤其是随着光学遥感卫星技术的发展,获取了大量的舰船成像数据,怎样迅速从大批量的光学成像资料中精确定位和鉴别出舰船目标是富有挑战性的工作。首先,概述了... 详细信息

不论是在军事侦查领域还是海洋执法方面,舰船目标检测与识别技术都至关重要,尤其是随着光学遥感卫星技术的发展,获取了大量的舰船成像数据,怎样迅速从大批量的光学成像资料中精确定位和鉴别出舰船目标是富有挑战性的工作。首先,概述了光学遥感图像舰船目标检测与识别技术的发展历程和技术流程;然后,依次阐述了光学遥感图像的获取与预处理、海陆分离、舰船目标检测和舰船目标识别等方面的研究进展,重点论述了采用传统和深度学习2类方法开展光学遥感图像目标检测与识别的研究进展;接着,介绍了11种包含舰船目标的遥感图像数据集以及性能评价指标;最后,分析了舰船目标检测与识别技术面临的主要问题,并展望了舰船检测与识别技术今后的发展方向。

关键词：光学遥感遥感图像海陆分离舰船检测舰船识别

在线全文

学校读者我要写书评

暂无评论

80t级散装水泥罐车的研制

机械管理开发 2012年第5期27卷 113-114页

作者：苑玉刚庞秋燕陈燕太原轨道交通装备有限责任公司产品开发部山西太原030009

80t级散装水泥罐车是为增加车辆载重、提高铁路货物运输能力而研制的新型重载罐车,该车装用27t轴重下交叉支撑转向架,采用三个V型气室流化床结构,具有载重大、运营速度高、卸净率高。文章详细的介绍了该车的结构组成,并对车体进行了静... 详细信息

80t级散装水泥罐车是为增加车辆载重、提高铁路货物运输能力而研制的新型重载罐车,该车装用27t轴重下交叉支撑转向架,采用三个V型气室流化床结构,具有载重大、运营速度高、卸净率高。文章详细的介绍了该车的结构组成,并对车体进行了静强度分析,结果表明研制的车体满足设计要求。

关键词：重载卸净率散装粉状

在线全文

学校读者我要写书评

暂无评论

融合编码及对抗攻击的元路径聚合图神经网络

系统工程理论与实践 2024年第5期44卷 1549-1560页

作者：陈学刚姜征和李佳玉华北电力大学数理学院北京102206 智者四海(北京)技术有限公司北京100083 华北电力大学控制与计算机工程学院北京102206

异质信息网络(HIN)由于包含不同类型的节点和边,在实际问题中具有广泛的应用前景.HIN的表示学习模型旨在寻找一种有效的建模方法,将HIN中的节点表示为低维向量,并尽可能地保留网络中的异质信息.然而,现有的表示学习模型仍存在着对异质... 详细信息

异质信息网络(HIN)由于包含不同类型的节点和边,在实际问题中具有广泛的应用前景.HIN的表示学习模型旨在寻找一种有效的建模方法,将HIN中的节点表示为低维向量,并尽可能地保留网络中的异质信息.然而,现有的表示学习模型仍存在着对异质信息利用不充分的情况.为解决这一问题,本文提出了一种融合编码和对抗攻击的元路径聚合图神经网络模型(FAMAGNN),该模型由三个模块构成,分别是节点内容转换、元路径内聚合和元路径间聚合.该模型旨在解决现有HIN表示学习方法提取特征不充分的问题.同时,FAMAGNN引入了融合的元路径实例编码器,以提取HIN中丰富的结构和语义信息.此外,模型还引入了对抗训练,在模型训练过程中进行对抗攻击,以提高模型的鲁棒性.FAMAGNN在节点分类和节点聚类等下游任务中的优异表现证明了其有效性.

关键词：异质信息网络网络表示学习元路径对抗训练

在线全文

学校读者我要写书评

暂无评论

接触网冲洗车组用水罐车的研制

机械管理开发 2013年第3期28卷 104-105页

作者：李旭英张增礼苑玉刚中国北车集团太原轨道交通装备有限责任公司山西太原030009

水罐车是为接触网冲洗车组提供水源而研制的新型铁路罐车,该车装用转K2型转向架,采用专用的管路结构,具有进排水速度快、操作方便、运营速度高等特点。文章介绍了该车的用途、技术参数、主要结构、车辆特点、研制情况。

关键词：接触网水冲洗水罐车

基于Transformer的无人机多目标跟踪算法研究

在线全文

学校读者我要写书评

暂无评论

兵器装备工程学报 2024年第7期45卷 11-18页

作者：苑玉彬吴一全南京航空航天大学电子信息工程学院南京210016

针对无人机多目标跟踪面临目标遮挡、尺度变化、快速运动、复杂环境等问题,提出了一种基于Transformer的无人机多目标跟踪算法,采用Focal Transformer来捕获高分辨率输入的Transformer层中的局部和全局交互。该算法能够生成目标的检测... 详细信息

针对无人机多目标跟踪面临目标遮挡、尺度变化、快速运动、复杂环境等问题,提出了一种基于Transformer的无人机多目标跟踪算法,采用Focal Transformer来捕获高分辨率输入的Transformer层中的局部和全局交互。该算法能够生成目标的检测信息以及目标的外观特征,从而提高了跟踪性能。在轨迹预测方面,采用了卡尔曼滤波方法,以准确地预测目标的运动轨迹,有助于提高跟踪的准确性和鲁棒性。在数据关联过程中,同时考虑了检测置信度、外观嵌入距离和IOU距离3个因素,以更有效地处理数据关联过程,提高了多目标跟踪模型的鲁棒性,使其能够在复杂场景中更好地跟踪目标。此外,还使用了轨迹的二次匹配方法,进一步提高了算法的性能。在VisDrone和UAVDT数据集上进行了对比验证,证明了该算法在实际应用中的有效性和可行性。本研究为无人机多目标跟踪提供了一种新的解决方案,具有广泛的应用前景。

关键词：多目标跟踪 Transformer 卡尔曼滤波检测置信度多特征匹配