-
题名遥感舰船目标检测识别方法
被引量：7
- 1
-
-
作者
李宗凌
汪路元
禹霁阳
程博文
郝梁
-
机构
中国空间技术研究院北京空间飞行器总体设计部
-
出处
《遥感信息》
CSCD
北大核心
2020年第1期64-72,共9页
-
基金
国家自然科学基金(61472260)。
-
文摘
针对基于经典图像处理方法的目标检测识别方法虚警率高、分类效果差等问题,提出了一种基于深度学习的光学遥感舰船目标检测识别方法。该方法采用形态学运算+深度学习的方法,基于视觉增强技术快速筛选疑似目标,大幅降低需处理的数据量;采用深度学习网络,大幅降低目标检测虚警率。在2片Xilinx FPGA上完成了设计验证,利用FPGA全并行流水处理的特点,大幅提升处理效率和实时性,相对采用i7-CPU和GPU-GTX1050实现该算法,能效比分别提升260倍和28倍。经16景高分2号卫星遥感图像验证,目标检测识别率高于98%,虚警率低于5%。与现有的目标检测识别方法比,该方法在工程化能力、鲁棒性、实时性、准确率、能效比等方面达到较好平衡,性能优越,优于当前业内方法。
-
关键词
目标检测和识别
深度学习
卷积神经网络
vgg16模型
现场可编程门阵列
-
Keywords
target detection and recognition
deep learning
convolution neural network
vgg16 model
FPGA
-
分类号
V19
[航空宇航科学与技术—人机与环境工程]
-
-
题名基于深度学习的学生课堂行为识别
被引量：45
- 2
-
-
作者
魏艳涛
秦道影
胡佳敏
姚璜
师亚飞
-
机构
华中师范大学教育信息技术学院
-
出处
《现代教育技术》
CSSCI
北大核心
2019年第7期87-91,共5页
-
基金
国家自然科学基金项目“基于记忆的不变图像特征学习方法研究”(项目编号:61502195)
湖北省自然科学基金项目“基于I理论的深度学习方法研究”(项目编号:2018CFB691)
中央高校基本科研业务费项目“基于深度学习的学生课堂行为识别研究”(项目编号:CCNU19QN023)的阶段性研究成果
-
文摘
随着教育步入智能时代,智能化的学生课堂行为识别变得越来越重要。但由于学生的课堂行为复杂多变,使得智能化的学生课堂行为识别存在困难。为了提高智能化学生行为识别的精度,文章首先采集了300名学生的7种典型课堂行为图像,并进行了数据预处理。随后,文章将已在ImageNet数据集上训练好的经典深度网络模型——VGG16网络模型迁移到学生课堂行为识别任务中。最后,通过与其它深度学习模型进行实验对比,文章验证了VGG16网络模型对学生课堂行为具有较高的识别精度。上述研究表明,基于深度学习的学生课堂行为识别能及时、精准地反馈学生的课堂学习情况,有利于教师改进教学方法、优化课堂教学与管理,从而提高教与学的效率,助力教学改革。
-
关键词
学生课堂行为
行为识别
深度学习
vgg16网络模型
-
Keywords
students’ classroom behavior
action recognition
deep learning
vgg16 network model
-
分类号
G40-057
[文化科学—教育学原理]
-
-
题名铁路异物入侵深度识别网络快速训练算法
被引量：1
- 3
-
-
作者
沈悦
-
机构
北京交通大学机械与电子控制工程学院
载运工具先进制造与测控技术教育部重点实验室(北京交通大学)
-
出处
《电子设计工程》
2019年第22期48-54,共7页
-
基金
国家重点研发计划(基于空天车地信息协同的轨道交通运营与安全综合保障技术)(2016YFB1200100)
-
文摘
异物侵入铁路限界对铁路系统可靠性造成了极大的威胁。为达到高分类准确率及低模型内存占用率兼备的目的,针对既有技术方法中分类效果、泛化性能较差以及耗时久、模型占用空间大等问题,本文提供了一种快速训练算法,采用网络迁移压缩同时进行的方式,提出基于特征图L1或L2范数的递归式裁剪准则剔除冗余卷积核以压缩网络。对于单个相机新场景的目标分类任务,只需使用在混合场景数据上得到的最优分类网络模型通过压缩和微调训练便可以实现不同场景铁路异物分类的快速训练。实验表明,在基于铁路场景数据库的测试中,该算法可以将原始VGG16模型的参数消耗内存压缩1020倍,在不同的单个相机场景测试样本库上压缩后网络的分类误差最低为0.34%。
-
关键词
铁路异物分类
卷积神经网络
vgg16深度网络模型
迁移压缩
-
Keywords
railway obstacle classification
convolution neural network(CNN)
vgg16 deep network model
transfer compression
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
U215.8
[交通运输工程—道路与铁道工程]
-
