【摘 要】
：
战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用。以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺度特征增强结构的方法对YOLOV3模型进行改进,通过丰富特征图多样性的方式,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小目标特征具有更强的敏感
【机 构】
：
北京工商大学人工智能学院,北京 100048
论文部分内容阅读
战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用。以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺度特征增强结构的方法对YOLOV3模型进行改进,通过丰富特征图多样性的方式,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小目标特征具有更强的敏感性,较大程度上增强了模型的识别精度。
其他文献
提出用MAXSim仿真平台构建海基巡航导弹对陆攻击作战仿真系统.分析了海基巡航导弹对陆攻击作战过程,建立了海基巡航导弹对陆攻击作战仿真系统结构;从3个层次上研究了海基巡航导弹对陆攻击作战仿真模型;给出了海基巡航导弹对陆攻击作战仿真系统运行流程,并验证了仿真系统的可行性.利用该系统可以进行海基巡航导弹对陆攻击的作战推演、效果评估和战法研究.
规避机动是水面舰艇对抗尾流自导鱼雷的通用方法,对典型的停车规避、反向尾流、交叉尾流规避方法进行了定性分析,并提出平行尾流方法;通过模拟仿真分析,提出了反向尾流、平行尾流方法的适用条件和使用建议,可为水面舰艇规避尾流自导鱼雷提供参考.
作战辅助决策模型是在复杂战场态势下,辅助指挥人员科学、高效决策的重要工具.针对当前辅助决策模型功能分散、可信性不足、缺乏工程化设计与管理等问题,从系统工程角度出发,开展作战辅助决策模型构建与评估通用方法的研究,提出辅助决策模型工程化设计与评估分级的一般流程与方法,并结合实例进行说明.
研究两栖编队作战体系能力涌现机理是组建两栖编队、构建两栖编队作战体系,提升两栖编队作战效能的依据.在具体分析两栖编队作战体系复杂性的基础上,从体系多元组成相互作用、整体层次关联递进协同角度,研究两栖编队作战体系层次相干作用、功能递进关系,进而应用矢量矩阵集合工具给出其在多域组分效应、结构效应、规模效应和环境效应共同制约和塑造下的能力涌现模型.分析两栖编队作战能力涌现模型核心影响因素和信息融合特征指标.最后,得出“两栖攻击舰是两栖编队作战体系能力生成的核心要素、信息融合水平是两栖编队作战能力生成高低的突出表
针对空间多站无源定位极值问题,以时差定位原理为研究对象,重点对多距离定位极值进行算法推导,深入分析多站定位的最优精度问题;并以定位极值理论为依据,结合较为全面的仿真案例验证,分析不同误差影响因素下时差定位精度的分布规律;研究表明,多站布站方式是影响空间定位的重要因素之一,为实际工程应用的多站定位算法设计和优化提供了技术支持.
为解决移动网络中存在的海量视频数据重复传输的问题,基于设备直连技术设计了一种本地缓存共享系统.在系统设计中,综合考虑视频对用户的吸引程度异构性和不完全的分享意愿,利用泊松点理论对移动数据特征进行了建模分析.在服务供应商和网络用户之间,考虑社交关系,针对资源分享建立了交易模型.实验结果表明,D2D本地缓存系统可以有效降低数据传输延迟,提高供应者的服务质量和网络视频用户的满意度.
为使地空导弹兵模拟训练系统获得的目标机动轨迹更加贴近实战、更有依据性,考虑对演习训练产生的轨迹数据进行分析,设计了DBSCAN(Density-Based Spatial Clustering of Applications with Noise,针对有噪声数据的基于密度的空间聚类)预分类的DBSCAN改进DTW(Dynamic Time Warping,动态时间归整)聚类算法来分析机动轨迹.并与未预分类的DBSCAN改进DTW聚类算法进行对比,发现其运行效率和分类准确度方面均较优.同时分析了数据结构和算
作战行动序列是作战计划的核心,也是指挥控制的关键.传统的作战行动序列制定主要通过手工方式,效率低下且耗时费力,难以满足现代战争筹划需要,作战行动序列执行控制也缺乏现代信息手段支撑.提出了一种基于时间、空间和因果复合约束条件的作战行动序列生成与执行控制方法,提高了作战计划方案中作战行动序列生成效率,通过对时间、空间、作战效果状态监测对作战行动序列执行进行辅助控制,为指挥员基于网络信息体系进行指挥决策提供了条件支撑.
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
如何对复杂装备体系进行有效的认知决策,一直以来都是联合作战研究领域中的热点与难点,采用一种具有较强适应性的决策算法,对于应对战场突发状况具有重要意义.通过结合近端策略优化和分层强化学习,提出了一种基于分层强化学习的联合作战仿真作战决策算法,以空地一体化联合作战为背景进行作战想定,结合自主设计的作战原型系统,分析了武器装备体系作战决策流程,对分层强化学习的层次结构、奖励函数的设计、决策网络结构和训练方法进行了详细说明.通过自主开发的仿真平台对算法的有效性进行验证,为联合作战中指挥决策的适应性机制问题提供较为