共查询到10条相似文献,搜索用时 46 毫秒
1.
现代战争中,坦克在攻坚战中的地位越来越重要,检测坦克的损伤对于取得战场主动权乃至获取战争的胜利起着决定性作用,所以对实时性要求非常高。采用易获取的RGB图像,以坦克装甲车为研究目标,选用Complex-YOLO为基础三维目标检测模型,针对复杂战场环境中图像内容复杂、弹孔损伤目标小、没有三维CAD模型等问题,对Complex-YOLO模型进行改进,通过使用识别精度高且速度快的YOLOV3网络及九点法回归三维目标检测框的方法,提高模型性能。在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的多目标检测具有更强的敏感性,较大程度上增强了模型的检测识别精度。 相似文献
2.
为研究机器视觉的战场适应性,分析了战场环境中不确定性因素对军事目标机器视觉探测的影响.研究针对Faster R-CNN、YOLOv4和CenterNet 3种目标检测模型,利用样本数据充分训练,确保检测模型有足够高的检测效率.随后,在检测数据中引人不确定性因素,包括目标特性和背景的不确定性.分析表明:不确定性因素的引人... 相似文献
3.
在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行目标威胁评估及自主射击。以坦克的自主作战为背景,提出了一种基于神经网络的目标威胁评估方法。首先提出了包含来袭目标性质、指战员指令、保卫目标的重要度、我方武器性能值等一套威胁评估指标体系;然后采用神经网络方法进行威胁评估。神经网络方法的优势主要体现在:①考虑了诸因素的相互关联;②充分考虑了战术信息;③权系数对具体环境的适应性;④方法的通用性。实例结果表明,神经网络方法科学合理,为坦克目标威胁的评估提供了新思路。神经网络方法具有普遍意义,能推广应用于其它武器平台的目标威胁评估。 相似文献
4.
5.
6.
7.
8.
基于深度学习模型的新一代智能化多模态(可见光/红外/雷达)图像识别系统已逐步在航空航天情报侦察、人机交互增强作战系统、无人作战平台自动图像目标识别以及多模复合图像末制导等多个军事场景中得到广泛应用。然而,由于深度神经网络模型在理论上存在不完备性和对抗脆弱性、多模态图像目标识别深度网络结构设计与优化在工程上存在迁移性等因素,使得现有识别系统在鲁棒准确性方面评估不足,给系统在未来战场复杂对抗场景中的广泛部署带来极大的安全隐患。为此,本文通过研究多模态图像智能目标识别系统军事场景应用的风险模型,分析系统存在的潜在攻击面,开展基于深度神经网络的多模态图像识别对抗样本攻击技术和对抗鲁棒准确性评估等关键技术研究,以期提升系统在复杂电磁环境条件下的鲁棒性和准确性。 相似文献
9.
由于现代战斗中大量使用各种先进的武器系统和技术装备,我坦克在战场上面临多种不同种类、不同价值、不同威胁程度的射击目标。然而,战场情形瞬息万变,需要考虑的因素错综复杂,因此,需要一种能够应用于指挥控制系统的射击目标选择方法来辅助坦克乘员进行射击目标选择。尝试应用构建云模型的方法对坦克射击目标的特点进行分析,从而得出备选目标的一组排序。 相似文献