排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
单兵伪装目标与背景之间在颜色上有高度的相似性,目标具有高度复杂的姿态,而且存在遮挡问题,这些问题使得单兵伪装目标检测较传统目标检测有很大的挑战性。针对上述问题,提出基于偏振信息和RGB(Red, Green, Blue)信息的深度学习算法,同时构建单兵伪装目标偏振图像数据集CIP3K(Multicam型迷彩伪装数据集和Woodland型迷彩伪装数据集)。基于Faster R-CNN(Faster Region-Convolutional Neural Network)提出一种双流特征融合网络TSF-Net,其能够融合目标偏振特征信息和RGB特征信息。在CIP3K数据集上进行大量实验,用来测试TSF-Net模型与其他检测模型的性能。实验结果表明,相较于Faster R-CNN,TSF-Net模型在两个数据集上的平均检测精度分别提高了8.2个百分点和8.8个百分点,且优于一些主流目标检测模型。 相似文献
2.
广义逆在特征灵敏度计算中的应用 总被引:3,自引:0,他引:3
本文给出能量最小的广义逆的数学定义,并说明它在特征灵敏度计算中的应用。通过与其它算法的对比,阐述了本算法的优点;此外,用一算例再次纠正仍在被引用的一个错误关系式。 相似文献
1