期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于域适应Faster RCNN的复杂背景目标检测
被引量：
6
1
作者
王露
荻
解月江
《航天控制》
CSCD
北大核心
2020年第1期63-69,共7页
本文提出的算法实现了对复杂多变环境下目标的稳定识别,通过改进模型训练算法,有效提升了深度学习模型对不同环境条件下的目标检测准确率。同时,本文在网络域适应部分设计了类别平衡多分类判别器算法应对多种环境条件下收集样本难易度...
本文提出的算法实现了对复杂多变环境下目标的稳定识别,通过改进模型训练算法,有效提升了深度学习模型对不同环境条件下的目标检测准确率。同时,本文在网络域适应部分设计了类别平衡多分类判别器算法应对多种环境条件下收集样本难易度不同的问题;在RPN网络分类器及输出分类器中引入Focal Loss算法,解决不同环境条件下目标检测难易度差别较大的问题;数据集制作过程中采用局部标注策略加以辅助。实验结果表明改进后的域适应Faster RCNN算法训练出的模型不仅增强了对复杂环境条件下目标检测的鲁棒性,还明显提升了对目标在不良环境条件下的检测准确率,这给遥感任务图像中复杂地理环境背景下的目标检测方法提供了一种新的思路。
展开更多
关键词
机器视觉
目标检测
深度学习
域适应
下载PDF
职称材料
神经网络架构轻量化搜索的飞行器控制律自学习方法
2
作者
王昭磊
王露
荻
+3 位作者
路坤锋
禹春梅
李晓敏
林平
《宇航学报》
EI
CAS
CSCD
北大核心
2024年第5期762-769,共8页
针对在运用Soft actor-critic(SAC)强化学习算法实现复杂的飞行器控制律自学习过程中,超参数设定高度依赖于人工经验进而造成设计难度大的问题,提出一种基于神经网络架构轻量化搜索策略的飞行器控制律自学习方法。该方法在将神经网络架...
针对在运用Soft actor-critic(SAC)强化学习算法实现复杂的飞行器控制律自学习过程中,超参数设定高度依赖于人工经验进而造成设计难度大的问题,提出一种基于神经网络架构轻量化搜索策略的飞行器控制律自学习方法。该方法在将神经网络架构设计问题转化为图拓扑生成问题的基础上,结合LSTM循环神经网络的图拓扑生成算法、基于权重共享的深度强化学习参数轻量化训练与评估机制,以及基于策略梯度的图拓扑生成器参数学习算法,给出了一种面向深度强化学习的轻量化自动搜索框架,实现了SAC训练算法中神经网络架构超参数的自动优化,进而完成了控制律的自学习。以三维空间返回着陆控制为例,验证了所提方法的有效性和实用性。
展开更多
关键词
飞行器
控制律自学习
自动机器学习
网络架构搜索
SAC强化学习
下载PDF
职称材料
题名
基于域适应Faster RCNN的复杂背景目标检测
被引量：
6
1
作者
王露
荻
解月江
机构
航天新长征大道科技有限公司
出处
《航天控制》
CSCD
北大核心
2020年第1期63-69,共7页
文摘
本文提出的算法实现了对复杂多变环境下目标的稳定识别,通过改进模型训练算法,有效提升了深度学习模型对不同环境条件下的目标检测准确率。同时,本文在网络域适应部分设计了类别平衡多分类判别器算法应对多种环境条件下收集样本难易度不同的问题;在RPN网络分类器及输出分类器中引入Focal Loss算法,解决不同环境条件下目标检测难易度差别较大的问题;数据集制作过程中采用局部标注策略加以辅助。实验结果表明改进后的域适应Faster RCNN算法训练出的模型不仅增强了对复杂环境条件下目标检测的鲁棒性,还明显提升了对目标在不良环境条件下的检测准确率,这给遥感任务图像中复杂地理环境背景下的目标检测方法提供了一种新的思路。
关键词
机器视觉
目标检测
深度学习
域适应
Keywords
Computer vision
Object detection
Deep learning
Domain adaptation
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
神经网络架构轻量化搜索的飞行器控制律自学习方法
2
作者
王昭磊
王露
荻
路坤锋
禹春梅
李晓敏
林平
机构
宇航智能控制技术全国重点实验室
北京航天自动控制研究所
出处
《宇航学报》
EI
CAS
CSCD
北大核心
2024年第5期762-769,共8页
基金
国家自然科学基金(U21B2028)。
文摘
针对在运用Soft actor-critic(SAC)强化学习算法实现复杂的飞行器控制律自学习过程中,超参数设定高度依赖于人工经验进而造成设计难度大的问题,提出一种基于神经网络架构轻量化搜索策略的飞行器控制律自学习方法。该方法在将神经网络架构设计问题转化为图拓扑生成问题的基础上,结合LSTM循环神经网络的图拓扑生成算法、基于权重共享的深度强化学习参数轻量化训练与评估机制,以及基于策略梯度的图拓扑生成器参数学习算法,给出了一种面向深度强化学习的轻量化自动搜索框架,实现了SAC训练算法中神经网络架构超参数的自动优化,进而完成了控制律的自学习。以三维空间返回着陆控制为例,验证了所提方法的有效性和实用性。
关键词
飞行器
控制律自学习
自动机器学习
网络架构搜索
SAC强化学习
Keywords
Flight vehicle
Control law self-learning
Automated machine learning
Network architecture search
SAC reinforcement learning
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于域适应Faster RCNN的复杂背景目标检测
王露
荻
解月江
《航天控制》
CSCD
北大核心
2020
6
下载PDF
职称材料
2
神经网络架构轻量化搜索的飞行器控制律自学习方法
王昭磊
王露
荻
路坤锋
禹春梅
李晓敏
林平
《宇航学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
