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
共找到431篇文章
< 1 2 … 22 >
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：
虹膜的计算机识别原理 被引量：20
1
作者 严民军 汪云九 《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心 2000年第4期348-350,共3页
新出现的虹膜计算机识别技术利用人虹膜纹理的独特性 ,可以完成自动身份识别的任务 .在现有的各虹膜识别系统中 ,基于Gabor小波编码虹膜纹理的Daugman系统尤为突出 .虹膜识别原理可以分为编码原理和统计决策原理 .
关键词 小波分析 模式识别 虹膜纹理 虹膜代码
下载PDF
基于改进YOLO算法的遥感图像目标检测 被引量：29
2
作者 化嫣然 张卓 +1 位作者 龙赛 张青林 《电子测量技术》 2020年第24期87-92,共6页
针对遥感图像中大尺寸目标检测的平均精度(AP)较低的问题,提出了一种优化的YOLOv3-Tiny算法。首先在YOLOv3-Tiny算法的基础上增加了1×1卷积来实现多个特征图的跨通道交互及信息整合,进而来提取图像的全局信息,使输出的特征图包含... 针对遥感图像中大尺寸目标检测的平均精度(AP)较低的问题,提出了一种优化的YOLOv3-Tiny算法。首先在YOLOv3-Tiny算法的基础上增加了1×1卷积来实现多个特征图的跨通道交互及信息整合,进而来提取图像的全局信息,使输出的特征图包含更丰富的语义特征;其次将空洞卷积(atrous convolution)引入到YOLOv3-Tiny网络,用来增大特征图的感受野,改善大目标的检测效果;最后在RSOD-Dataset数据集上进行对比实验。结果表明,优化后的YOLOv3-Tiny算法相比原YOLOv3-Tiny算法,其均值平均精度(mAP)提高了1.4%,在较大尺寸的目标Overpass检测中,Overpass检测的平均精度提高了4.05%。 展开更多
关键词 YOLOv3-Tiny 感受野 全局信息 空洞卷积 遥感图像
下载PDF
视皮层V1区简单细胞的稀疏编码策略 被引量：9
3
作者 杨谦 齐翔林 汪云九 《计算物理》 CSCD 北大核心 2001年第2期143-146,共4页
哺乳动物纹状皮层简单细胞的空间感受野在电生理实验中被描述为局部、具有朝向和带通性质的信号编码检测器 ,它针对图象产生电发放的输出活动呈现稀疏分布的形式 .从检测图象的物理过程入手建立了一个基于超定完备基的简单细胞集群稀疏... 哺乳动物纹状皮层简单细胞的空间感受野在电生理实验中被描述为局部、具有朝向和带通性质的信号编码检测器 ,它针对图象产生电发放的输出活动呈现稀疏分布的形式 .从检测图象的物理过程入手建立了一个基于超定完备基的简单细胞集群稀疏编码的计算模型 。 展开更多
关键词 感受野 自组织学习 稀疏编码 超定基 视觉皮层V1区 电生理实验
下载PDF
基于一维卷积神经网络的钻杆故障诊断 被引量：20
4
作者 金列俊 詹建明 +1 位作者 陈俊华 王涛 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第3期467-474,共8页
为了在钻杆故障早期诊断出钻杆的故障类型,提出一种基于一维卷积神经网络的钻杆故障诊断模型,对模型的结构和参数进行详细地设计与分析.参考现有的卷积神经网络模型,结合钻杆的工作特性以及感受野的原理,设计模型的卷积层和池化层的层... 为了在钻杆故障早期诊断出钻杆的故障类型,提出一种基于一维卷积神经网络的钻杆故障诊断模型,对模型的结构和参数进行详细地设计与分析.参考现有的卷积神经网络模型,结合钻杆的工作特性以及感受野的原理,设计模型的卷积层和池化层的层数、卷积核的大小以及滑动步长.该模型省去了对故障信号特征提取的过程,比先前的钻杆故障诊断有更高的诊断准确率.该模型在不同转速工况下和不同土质工况下均具有较强的适应性和抗噪能力. 展开更多
关键词 钻杆故障诊断 一维卷积神经网络 感受野 适应性 抗噪能力
下载PDF
视觉系统皮层下细胞的方位和方向敏感性 被引量：11
5
作者 寿天德 周逸峰 《生理学报》 CAS CSCD 北大核心 1996年第2期105-112,共8页
视觉方位、方向选择性曾被认为是高等哺乳动物视皮层细胞的特有功能。近年来大量的实验结果表明，视皮层下的外膝体神经元和视网膜神经节细胞都具一定程度的方位和方向敏感性，这些性质是遗传决定的，不受后天环境的影响。在外膝体内，... 视觉方位、方向选择性曾被认为是高等哺乳动物视皮层细胞的特有功能。近年来大量的实验结果表明，视皮层下的外膝体神经元和视网膜神经节细胞都具一定程度的方位和方向敏感性，这些性质是遗传决定的，不受后天环境的影响。在外膝体内，已为视皮层细胞高度的方位、方向选择性和功能柱的形成做出了初步的分类与编组，提供了前级安排。这种皮层下的方位、方向敏感性细胞在发育过程中传递和加工了环境视觉信息，促进了视皮层更强的方位、方向选择性机制和方位功能柱的形成。外膝体在视觉信息平行处理通道的形成上起着分类集聚的重要作用。 展开更多
关键词 视觉 方位敏感性 方向敏感性 视觉皮层下细胞
下载PDF
基于可变形卷积的改进YOLO目标检测算法 被引量：15
6
作者 黄凤琪 陈明 冯国富 《计算机工程》 CAS CSCD 北大核心 2021年第10期269-275,282,共8页
针对YOLO目标检测算法存在边界框定位不准确及对小目标检测精度低的问题,提出一种改进的YOLO目标检测算法dcn-YOLO。使用k-means++算法聚类出更符合数据集尺寸的锚盒,以降低初始点对聚类结果的影响并加快网络训练收敛速度。构建残差可... 针对YOLO目标检测算法存在边界框定位不准确及对小目标检测精度低的问题,提出一种改进的YOLO目标检测算法dcn-YOLO。使用k-means++算法聚类出更符合数据集尺寸的锚盒,以降低初始点对聚类结果的影响并加快网络训练收敛速度。构建残差可变形卷积模块res-dcn,分别采用将其嵌入YOLO第一特征提取头模块中和替换3个YOLO特征提取头模块的方式,构建两种改进的dcn-YOLO算法,使网络可以自适应地学习特征点的感受野,从而对不同尺寸和形状的目标提取更有效的特征,提高检测精度。在VOC数据集上的实验结果表明,该算法能有效提高目标检测精度,mAP达到82.6%,相比YOLO、SSD、Faster R-CNN,分别高出了2.1、5.2、9.4个百分点。 展开更多
关键词 YOLO算法 目标检测 感受野 可变形卷积 k-means++算法
下载PDF
基于视觉注意的遥感图像分析方法 被引量：10
7
作者 张鹏 王润生 《电子与信息学报》 EI CSCD 北大核心 2005年第12期1855-1860,共6页
该文根据人类视觉系统的生理结构与认知特点，提出了一个基于自底向上视觉注意的遥感图像分析模型，并在此基础上开发出了一种新的遥感图像分析方法。该方法在一定程度上具各了类似于人类视觉系统的选择性加工能力。将其应用于多种类型... 该文根据人类视觉系统的生理结构与认知特点，提出了一个基于自底向上视觉注意的遥感图像分析模型，并在此基础上开发出了一种新的遥感图像分析方法。该方法在一定程度上具各了类似于人类视觉系统的选择性加工能力。将其应用于多种类型的真实遥感图像，获得了较为满意的实验结果。 展开更多
关键词 遥感 图像分析 视觉注意 注意焦点 感受野
下载PDF
基于DOG模型的线条检测算法 被引量：8
8
作者 罗晓晖 李见为 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2003年第4期425-431,共7页
在计算机视觉领域 ,线条检测是图像低层次处理中一个重要的问题 文中提出一种基于双高斯差 (DOG)模型的线条检测算法 分析比较了DOG检测器和高斯及高斯 拉普拉斯二阶微分检测器在线条检测方面的性能 ,解释了DOG函数和高斯及高斯 拉普... 在计算机视觉领域 ,线条检测是图像低层次处理中一个重要的问题 文中提出一种基于双高斯差 (DOG)模型的线条检测算法 分析比较了DOG检测器和高斯及高斯 拉普拉斯二阶微分检测器在线条检测方面的性能 ,解释了DOG函数和高斯及高斯 拉普拉斯二阶微分函数之间的关系 ,还给出了DOG检测器的线条检测范围并在二维空间中分析了其线条检测机理 实验中选用了指纹图像 。 展开更多
关键词 计算机视觉 图像处理 线条检测算法 DOG模型
下载PDF
基于优化YOLO-V4的交通标志检测识别方法 被引量：10
9
作者 潘惠苹 王敏琴 张福泉 《计算机科学》 CSCD 北大核心 2022年第11期179-184,共6页
交通标志检测识别是自动驾驶系统的核心功能,为了实时准确地识别交通标志,在YOLO-V4的基础上进行改进,并结合了空间金字塔池化(Spatial Pyramid Pooling,SPP)模块。首先,为了提高分辨率和增大感受野,将原特征图3个尺度的分辨率更改为26&... 交通标志检测识别是自动驾驶系统的核心功能,为了实时准确地识别交通标志,在YOLO-V4的基础上进行改进,并结合了空间金字塔池化(Spatial Pyramid Pooling,SPP)模块。首先,为了提高分辨率和增大感受野,将原特征图3个尺度的分辨率更改为26×26和52×52;然后,在连接层中添加SPP模块,消除网络对固定尺度的约束,在最大池化层中得到最优特征,改善网络性能。实验中,利用行车记录仪采集各种交通标志图像,与其他优秀方法相比,所提方法取得了更优的性能,其平均检测识别准确度达99.0%,平均检测时间为0.449 s,达到了实时检测的要求。 展开更多
关键词 交通标志识别 感受野 YOLO-V4 最大池化 空间金字塔池化 分辨率
下载PDF
基于深度学习的SSD模型尾矿库自动提取 被引量：11
10
作者 闫凯 沈汀 +1 位作者 陈正超 闫弘轩 《中国科学院大学学报（中英文）》 CSCD 北大核心 2020年第3期360-367,共8页
针对华北地区尾矿库自动提取问题,将基于深度学习的SSD目标检测模型应用于遥感图像尾矿库提取。首先标记华北地区2000个样本,随机挑选1500个作为训练样本,剩余样本作为测试样本,验证模型的检测精度。分析卷积层对应感受野与图像中尾矿... 针对华北地区尾矿库自动提取问题,将基于深度学习的SSD目标检测模型应用于遥感图像尾矿库提取。首先标记华北地区2000个样本,随机挑选1500个作为训练样本,剩余样本作为测试样本,验证模型的检测精度。分析卷积层对应感受野与图像中尾矿库尺寸关系,发现原始SSD模型漏检误检大型尾矿库。改进SSD模型结构,提出增加额外卷积层的策略,提高对大型尾矿库目标的检测精度。实验表明,在置信度阈值为0.3时,改进的SSD模型相比原始模型,检测精确率提高10.0%,召回率提高14.4%,提高了大型尾矿库检测精度。验证了基于深度学习的SSD目标检测模型自动提取尾矿库的可行性以及改进算法的有效性。 展开更多
关键词 深度学习 目标检测 尾矿库 SSD模型 感受野
下载PDF
基于改进YOLOv5s的名优绿茶品质检测 被引量：7
11
作者 尹川 苏议辉 +1 位作者 潘勉 段金松 《农业工程学报》 EI CAS CSCD 北大核心 2023年第8期179-187,共9页
针对实际检测过程中茶叶数量多、体积小、茶叶之间颜色和纹理相似等特点,该研究提出了一种基于YOLOv5s的名优绿茶品质检测算法。首先,该算法在骨干网络层引入膨胀卷积网络,通过增大感受野的方式增强茶叶微小特征的提取。其次,改进特征... 针对实际检测过程中茶叶数量多、体积小、茶叶之间颜色和纹理相似等特点,该研究提出了一种基于YOLOv5s的名优绿茶品质检测算法。首先,该算法在骨干网络层引入膨胀卷积网络,通过增大感受野的方式增强茶叶微小特征的提取。其次,改进特征融合进程,基于通道注意力和空间注意力抑制无关信息的干扰,构建CBAM注意力机制优化检测器。接着根据swin transformer网络结构在多个维度对小尺度茶叶的特征进行交互和融合。最后,配合SimOTA匹配算法动态分配茶叶正样本,提高不同品质茶叶的识别能力。结果表明,改进后的算法精准度、召回率、平均精度均值、模型体积、检测速度分别为97.4%、89.7%、91.9%、7.11MB和51帧/s,相较于基础的YOLOv5s平均精度均值提高了3.8个百分点,检测速度提高了7帧/s。利用相同数据集在不同目标检测模型上进行对比试验,与Faster-RCNN、SSD、YOLOv3、YOLOv4等模型相比,平均精度均值分别提升10.8、22.9、18.6、8.4个百分点,进一步验证了该研究方法的有效性和可靠性。 展开更多
关键词 机器视觉 图像识别 茶叶品质检测 YOLOv5s 感受野 swin transformer 注意力机制 SimOTA
下载PDF
改进的YOLOv4⁃tiny行人检测算法研究 被引量：10
12
作者 周华平 王京 孙克雷 《无线电通信技术》 2021年第4期474-480,共7页
针对大型行人检测网络由于权重大、检测速度慢等原因无法直接应用到小型设备场景中的问题,提出3种改进YOLOv4⁃tiny的行人检测识别模型:①YOLOv4⁃tinye模型,在CSP(Cross Stage Partial Connections)网络中引入改进的ESA_CSP(Enhanced Spa... 针对大型行人检测网络由于权重大、检测速度慢等原因无法直接应用到小型设备场景中的问题,提出3种改进YOLOv4⁃tiny的行人检测识别模型:①YOLOv4⁃tinye模型,在CSP(Cross Stage Partial Connections)网络中引入改进的ESA_CSP(Enhanced Spatial Attention_CSP)结构,使网络更多关注有利于行人检测的特征信息;②YOLOv4⁃tinyr模型,在主干网络输出后增加多尺度特征融合模块(Ring⁃fenced Bodies,RFBs)结构,增大特征提取的感受野,重复利用特征图的多尺度信息;③同时融合ESA_CSP和RFBs结构的YOLOv4⁃tinyer模型。实验结果表明:3种改进行人检测模型在WiderPerson的验证集上,mAP分别达到了53.62%、53.80%和56.13%,FPS达到了86 ms、75 ms和69 ms。与原YOLOv4⁃tiny模型的行人检测结果(mAP:51.35%,FPS:77 ms)相比,3种模型检测精度分别提高了2.27%、2.45%和4.78%,且速度并未下降太多,依然满足轻量级特点,便于在小型设备上移植。 展开更多
关键词 YOLOv4⁃tiny 注意力机制 特征融合 感受野
下载PDF
基于多尺度感受野融合的小目标检测算法 被引量：9
13
作者 李成豪 张静 +2 位作者 胡莉 肖贤鹏 张华 《计算机工程与应用》 CSCD 北大核心 2022年第12期177-182,共6页
针对通用目标检测算法在检测小目标时检测精度低的问题,提出一种基于多尺度感受野融合的小目标检测算法S-RetinaNet。该算法采用残差神经网络(residual neural network,ResNet)提取出图像的特征,利用递归特征金字塔网络(recursive featu... 针对通用目标检测算法在检测小目标时检测精度低的问题,提出一种基于多尺度感受野融合的小目标检测算法S-RetinaNet。该算法采用残差神经网络(residual neural network,ResNet)提取出图像的特征,利用递归特征金字塔网络(recursive feature pyramid network,RFPN)对特征进行融合,通过多尺度感受野融合模块(multiscale receptive field fusion,MRFF)分别处理RFPN的三个输出,提升对小目标的检测能力。实验表明,相比改进前的RetinaNet算法,S-RetinaNet算法在PASCAL VOC数据集上的均值平均精度(mean average precision,mAP)和MS COCO数据集上的平均精度(average precision,AP)分别提高了2.3和1.6个百分点,其中小目标检测精度(average precision small,APS)更为显著,提升了2.7个百分点。 展开更多
关键词 神经网络 小目标检测 感受野 特征金字塔
下载PDF
基于改进YOLOv5的视觉定位算法 被引量：8
14
作者 牛洪超 白松 胡晓兵 《计算机工程与设计》 北大核心 2022年第6期1620-1627,共8页
针对传统视觉定位系统所存在的检测精度低等缺点,提出一种基于改进YOLOv5的自定义靶标视觉定位算法。为进一步增强网络的检测能力,分别融入具有多层感受野与细粒度的模块与改进的特征增强模块,利用Distance-IOU与Focal Loss改进损失函数... 针对传统视觉定位系统所存在的检测精度低等缺点,提出一种基于改进YOLOv5的自定义靶标视觉定位算法。为进一步增强网络的检测能力,分别融入具有多层感受野与细粒度的模块与改进的特征增强模块,利用Distance-IOU与Focal Loss改进损失函数;使用快速解码算法得到编码信息。实验结果表明,在自制数据集上,改进后的YOLOv5模型获得较好的平均准确精度得分与检测速度,满足实时性与准确性的需求,为视觉定位提供了一种的解决方案。 展开更多
关键词 视觉定位 YOLOv5 感受野 细粒度 自定义靶标
下载PDF
基于空洞卷积金字塔的目标检测算法 被引量：9
15
作者 候少麒 梁杰 +2 位作者 殷康宁 刘学婷 殷光强 《电子科技大学学报》 EI CAS CSCD 北大核心 2021年第6期843-851,共9页
作为目标检测领域最突出的问题,遮挡和多尺度严重影响了算法的召回率和准确率。针对以上问题,该文从感受野入手,提出了一种基于空洞卷积金字塔网络(ACFPN)的目标检测算法。首先,将不同尺寸的空洞卷积层引入特征金字塔网络(FPN)中,构建... 作为目标检测领域最突出的问题,遮挡和多尺度严重影响了算法的召回率和准确率。针对以上问题,该文从感受野入手,提出了一种基于空洞卷积金字塔网络(ACFPN)的目标检测算法。首先,将不同尺寸的空洞卷积层引入特征金字塔网络(FPN)中,构建混合感受野模块(HRFM),旨在控制参数量的条件下,通过增大感受野获取更多全局特征信息,解决目标的遮挡问题;其次,改进FPN的结构,设计低层嵌入特征金字塔模块(LEFPM),将浅层特征细节信息和高层特征语义信息相融合,提高特征图的丰富度和表征能力,增强模型的尺度适应性;特别地,针对漏检问题,引入FCOS算法中的无锚框(AF)机制,减少了候选框的冗余,进一步提高了定位精度。最后在公开数据集上进行测试,该算法在检测精度上大幅提升。 展开更多
关键词 空洞卷积 特征融合 特征金字塔 目标检测 感受野
下载PDF
CMAC神经网络的概念映射算法 被引量：3
16
作者 周旭东 王国栋 《东北大学学报（自然科学版）》 EI CAS CSCD 1996年第6期619-623,共5页
在Ａｌｂｕｓ的概念映射基础上，给出了ＣＭＡＣ（ＣｅｒｅｂａｌａｒＭｏｄｅｌＡｒｔｉｃｕｌａｔｉｏｎＣｏｎ－ｔｒｏｌｅｒ）神经网络的Ｎ维概念映射算法，并给予了证明．
关键词 神经网络 CMAC 映射算法 概念映射
下载PDF
CMAC神经网络的N维概念映射算法 被引量：5
17
作者 周旭东 王国栋 李淑华 《信息与控制》 CSCD 北大核心 1996年第4期233-237,共5页
小脑模型神经网络（ＣｅｒｅｂａｌａｒＭｏｄｅｌＡｒｔｉｃｕｌａｔｉｏｎＣｏｎｔｒｏｌｅｒ－ＣＭＡＣ）是１９７２年由Ｊ．Ｓ．Ａｌｂｕｓ提出的，是实际控制上用得最多的神经网络之一，但是其概念映射较为复杂，至今尚未给出一般... 小脑模型神经网络（ＣｅｒｅｂａｌａｒＭｏｄｅｌＡｒｔｉｃｕｌａｔｉｏｎＣｏｎｔｒｏｌｅｒ－ＣＭＡＣ）是１９７２年由Ｊ．Ｓ．Ａｌｂｕｓ提出的，是实际控制上用得最多的神经网络之一，但是其概念映射较为复杂，至今尚未给出一般公式．本文在Ａｌｂｕｓ的概念映射基础上，给出了ＣＭＡＣ神经网络的Ｎ维概念映射算法，为ＣＭＡＣ神经网络应用提供了极大方便． 展开更多
关键词 小脑模型 神经网络 N维概念 映射算法
下载PDF
基于视觉感知的故障图像检测算法 被引量：9
18
作者 逯鹏 李永强 +1 位作者 王治忠 矫琨 《仪器仪表学报》 EI CAS CSCD 北大核心 2010年第9期1997-2002,共6页
针对列车运行故障图像检测问题,提出了一种基于视觉感知机制的图像故障检测方法,实现了列车摇枕裂纹故障的高效率少样本检测。该方法首先基于ICA模型从图像序列中学习初级视皮层中简单细胞感受野;然后,计算正常图像和故障图像神经元的响... 针对列车运行故障图像检测问题,提出了一种基于视觉感知机制的图像故障检测方法,实现了列车摇枕裂纹故障的高效率少样本检测。该方法首先基于ICA模型从图像序列中学习初级视皮层中简单细胞感受野;然后,计算正常图像和故障图像神经元的响应,找出对刺激响应较强烈的神经元,输出其对应的内容,进行故障检测。实验结果表明,该方法具有较高的故障检测率,同时能够利用少量样本实现对大量图像的故障检测。 展开更多
关键词 视觉感知 感受野 故障图像 裂纹
下载PDF
基于生物视觉的地面目标识别与跟踪锁定 被引量：8
19
作者 朱宪伟 于起峰 《红外与激光工程》 EI CSCD 北大核心 2007年第6期977-979,995,共4页
图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在。由于获得图像的角度和位置的不同,同一目标在不同图像中会有较大的变形,如何正确地识别出该目标是至今未能很好解决的问题。相比之下,人和动物... 图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在。由于获得图像的角度和位置的不同,同一目标在不同图像中会有较大的变形,如何正确地识别出该目标是至今未能很好解决的问题。相比之下,人和动物在复杂的环境中,几乎在各种角度和位置的情况下,均可以可靠地识别出目标,并能完成对该目标的跟踪锁定。因此生物视觉的工作机理成为了当前学者研究的热点,在继承和发展了当前国际上该领域的最新研究成果的基础上,实现了生物视觉原理下的目标识别与跟踪算法,经过大量真实图像的试验,证明了该算法的鲁棒性。 展开更多
关键词 生物视觉 感受野 仿射模型 目标识别 目标跟踪
下载PDF
增强感受野的轻量化合成孔径雷达船舶检测算法 被引量：7
20
作者 王燕妮 孙雪松 余丽仙 《光子学报》 EI CAS CSCD 北大核心 2022年第2期264-276,共13页
基于深度学习的合成孔径雷达船舶检测方法大多依赖于强大的图形处理器来实现良好的检测精度,却忽略了检测速度和算法的部署应用。针对上述问题,本文提出一种有效增强感受野的轻量化合成孔径雷达船舶检测算法。首先,使用ShuffleNetV2作... 基于深度学习的合成孔径雷达船舶检测方法大多依赖于强大的图形处理器来实现良好的检测精度,却忽略了检测速度和算法的部署应用。针对上述问题,本文提出一种有效增强感受野的轻量化合成孔径雷达船舶检测算法。首先,使用ShuffleNetV2作为主干特征提取网络,有利于减小计算参数量和模型大小;其次,引入改进型空间金字塔池化模块与空间注意力模块,有效扩大模型感受野,进一步挖掘船舶特征信息;然后,采用改进的路径聚合网络,自底向上传递更丰富的船舶定位特征,增加浅层位置信息和多尺度特征,进一步提高模型的特征提取能力。使用SAR船舶数据集对本文算法进行验证,实验结果表明,模型大小为5.3 MB,平均检测精度可达94.7%,检测速度为46 FPS,同时具有高精度、高实时性和易移植性等优点。 展开更多
关键词 合成孔径雷达 船舶检测 遥感图像 感受野 特征融合 轻量化网络
下载PDF
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 2 … 22 下一页 到第 页
使用帮助 返回顶部