-
题名基于深度学习的水下目标识别技术
被引量：2
- 1
-
-
作者
丁元明
徐利华
侯孟珂
-
机构
大连大学信息工程学院
大连大学通信与网络重点实验室
-
出处
《舰船科学技术》
北大核心
2024年第1期143-147,共5页
-
文摘
在水下复杂场景下,目标对象具有姿态不同、遮挡和背景复杂等特点,这对卷积网络的特征提取能力提出巨大挑战。Mask R-CNN算法在水下目标特征提取过程中也存在特征提取能力欠佳的问题,导致算法在水下目标检测准确性较差。因此,提出一种基于Mask R-CNN的改进水下目标目标识别方法。首先可采用金字塔切分的通道注意力模块PAS代替采用了ResNet50的3×3卷积模块,该模块可通过对每个通道进行金字塔的切分,针对通道切分完成后所得出来的通道特征图上的空间信息来进行不用的尺度特征层提取;同时通过采用另一种更加安全稳定和高效的ECANEt通道注意力模块代替PAS模块中的SENet通道注意力模,对多维度的通道注意力权重进行特征重标定;最后对特征金字塔FPN的网络结构进行改进,加强不同特征层之间的信息融合。根据不同场景下进行的实验对比,改进后的网络能够提高水下目标识别的准确率,平均检测精度可达91.3%。本文所提出的改进Mask RCNN网络模型,能够适应水下复杂多变的场景,为水下目标的识别提供理论依据与技术方案。
-
关键词
水下目标识别
Mask
R-CNN
深度学习
-
Keywords
underwater target recognition
Mask R-CNN
deep learning
-
分类号
TN912.34
[电子电信—通信与信息系统]
-
-
题名改进蝙蝠算法的无人机路径规划
被引量：4
- 2
-
-
作者
丁元明
侯孟珂
-
机构
辽宁省通信网络与信息处理重点实验室
大连大学信息工程学院
-
出处
《兵器装备工程学报》
CAS
CSCD
北大核心
2023年第9期26-33,共8页
-
基金
国家自然科学基金项目(61901079)
装备发展部领域基金一般项目(61403110308)。
-
文摘
为了解决现存无人机(UAV)路径规划求解精度和求解速度难以平衡问题,基于蝙蝠算法(BA),提出了一种新型无人机路径规划算法。将粒子群算法(PSO)中的个体最优因素引入到BA的全局随机飞行搜索中,用于增加路径搜索的发散性。在BA局部搜索阶段,利用高斯分布与柯西分布融合的模型约束局部搜索和新解的产生。再将最优成功率策略动态调节的惯性权值引入算法,提出了新型无人机路径规划算法(OS-PSOBA)。结合实际环境,搭建了模拟飞行环境模型,将OS-PSOBA与PSO、BA进行对比。仿真实验证明,OS-PSOBA与PSO和BA算法相比,OS-PSOBA展示了算法的优越性,快速、有效地完成UAV路径规划任务。
-
关键词
无人机路径规划
粒子群算法
蝙蝠算法
最优成功率策略
惯性权值
-
Keywords
UAV path planning
particle swarm algorithm
bat algorithm
optimal success rate strategy
inertia weights
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
