基于卷积核剪枝的遥感目标检测模型压缩方法

针对基于卷积神经网络的遥感目标检测模型压缩问题,基于卷积核剪枝理论,设计了卷积通道剪枝的方案,对YOLOv3模型进行精简压缩.提出卷积通道的概念并将BN层系数作为卷积通道的评估因子,使用L1正则化将评估因子稀疏化,将评估因子值较小的卷积通道剔除,再对各卷积层中的参数进行微调,从而达到模型压缩的目的.使用该方法对自制的典型遥感目标检测数据集进行目标检测实验,在剔除90％参数的情况下,测试精度下降率在10％以内.实验结果表明该方法能以较小的精度损失为代价,节省大部分的储存空间和计算量.     

基于反卷积处理的Bartlett匹配场定位方法

为了降低Bartlett匹配场定位方法输出定位模糊函数背景级,提出了一种基于反卷积处理的Bartlett匹配场定位方法.该方法借助图像复原理论中的反卷积技术,在Bartlett匹配场定位方法基础上论述了点扩展函数设计过程;利用预设计的点扩展函数和二维反卷积技术,对Bartlett匹配场定位方法输出定位模糊函数进行反卷积处理,得到清晰定位模糊函数,降低了背景级及其导致的定位模糊问题.数值仿真结果表明,该方法通过对定位模糊函数进行反卷积处理,定位模糊函数背景级远低于Bartlett匹配场定位方法和MVDR匹配场定位方法;定位模糊函数背景级随着反卷积迭代次数增加而降低,函数峰值也变得更加"尖锐",具有更好的目标声源空间位置分布估计能力.     

中文分词与命名实体识别的联合学习

将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题。在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法。     

巨型机求解大型稀疏问题的Krylov子空间法

求解大型稀疏问题最流行的方法是建立在子空间投影技术之上的。这类方法的主要吸引力是仅需要使用矩阵向量乘法。我们给出PCG、GMRES、Lanczos和Davidson算法及在YH-I上的实现,然后比较每一方法的优缺点,并尽可能讨论其并行执行。     

新四军的两个英雄团

大显神威的“铁锤子”团 　　新四军第 2师第 4旅第 11团由鄂东北独立团改编而成。 1941年 1月,“皖南事变”爆发,国民党顽固派倒行逆施,国共合作抗日局面出现严重危机。这年 10月 11日,国民党军第 171师和第 8、第 10游击纵队等,先后侵占淮南津浦路西抗日民主根据地广兴集、周家岗、大桥等地,企图迫使我抗日武装退出淮南津浦路以西地区。当时,在淮南津浦路西坚持抗日的新四军第 2师第 4旅第 11、第 12团和第 5旅第 13团及第 6旅,在忍无可忍的情况下,决定歼灭大桥之敌,收复根据地。第 11团担任主要攻击任务。 11日晚,团组织两个…     

子自仿射集的Hausdorff维数

设S1,S2 ,… ,SN 是Rn 上的N个仿射压缩映射 ,若Rn 的紧子集E满足E UNi =1 Si(E) ,则称E为子自仿射集 .作者在一定条件下得到了子自仿射集E的Hausdorff维数 .     

BAT子弹药对二维声目标的角跟踪

针对BAT(Brainpower Antitank)智能子弹药声探测系统不能定距问题,提出一种在仅有方向角信息条件下对地面机动声目标跟踪算法.首先分析了BAT声探测系统做三维运动时的定向算法;然后结合弹体运动特点,给出一种仅利用目标方向信息对地面机动目标跟踪算法,分别推导了目标静止、匀速、匀加速以及更高阶次运动时的角跟踪公式,并指出了定向误差存在的前提下其成立的充分条件;最后,给出了一个该算法的精确度函数,可以量化评估算法的精度,优化跟踪轨迹.理论分析表明BAT不需要在水平方向上做出比机动目标更高阶次的运动即可实现对目标的角跟踪.     

基于卷积神经网络的无人机侦察图像去雨算法

提出了一种改进的无人机侦察图像去雨算法,该算法采用双边滤波和引导滤波相结合的方法提取有雨侦察图像的高频子图。根据无人机侦察图像中一般存在天空、地面等纹理相对平滑区域的特点,提取侦察图像中的纯雨区域。最后,将提取的纯雨区域作为训练样本,输入卷积神经网络中进行训练,提取图像特征信息,得到卷积神经网络的最优参数,完成神经网络训练,得到去雨侦察图像。通过仿真实验表明,该算法能够有效去除雨线对无人机侦察图像的干扰,提升侦察图像质量,具有一定的军事应用价值。     

基于改进CNN的红外目标识别方法研究

自动目标识别是红外成像精确制导武器系统的关键技术,针对传统红外目标识别算法在复杂环境作战中存在目标特征建模复杂、识别率低等问题,提出一种基于改进的卷积神经网络(Convolutional Neural Network,CNN)方法。结合红外目标特性,调整ZFNet的卷积层和池化层数量,加入空间变换网络以提高对数据变换的鲁棒性;对Dropout层的丢弃率变化进行可视化分析并确定选取原则,以提高红外目标的识别率。通过试验结果与传统方法相比,该方法具有较高的识别率,能够为红外成像导引头目标识别算法设计提供参考。     

基于粒子群优化的稀疏序列Bayes反卷积方法研究

在地下目标低频声波探测中,由于探测信号的混叠,难以判读反射目标的空间位置.应用信号处理方法求解时,目标信号是稀疏序列,求解方程是病态的.运用Bayes反卷积方法修正其病态性,并采用优化的粒子群算法求解,提高了系统的探测分辨率,同时降低了计算量.实际应用表明,该方法是有效的.