【摘 要】
：
针对U-Net存在的小目标分割精度低、计算复杂度高、收敛慢的问题，构建了基于空洞卷积和重构采样单元的U-Net网络（U-Net network based on dilated convolution and reconstructed sampling units,DSU-Net）。在DSU-Net中，为增大图像特征提取的感受野并融合多尺度信息，设计了具有不同膨胀率的空洞卷积层；针对池化过程丢失
论文部分内容阅读
针对U-Net存在的小目标分割精度低、计算复杂度高、收敛慢的问题，构建了基于空洞卷积和重构采样单元的U-Net网络（U-Net network based on dilated convolution and reconstructed sampling units,DSU-Net）。在DSU-Net中，为增大图像特征提取的感受野并融合多尺度信息，设计了具有不同膨胀率的空洞卷积层；针对池化过程丢失大量语义信息的缺点，构建了将池化与卷积相结合的采样单元，并运用深度可分离卷积进行特征提取，从而增强了神经
其他文献
高寒草原水热交换的季节性特征显著，土壤冻融过程对地-气水热交换有着重要的影响。本文利用黄河源区汤岔玛小流域2014年5月至2015年5月陆面过程观测数据，将土壤冻融过程划分为完全融化（TT）和完全冻结（FF）两种状态与融冻（T-F）和冻融（F-T）两个过程，并分析了期间高寒草原下垫面净辐射、感热通量、潜热通量和地表热通量不同状态和过程中的变化，以此探究土壤冻融过程中地气间的水热交换特征。研究表明：
标准的非负矩阵分解(NMF)应用于高光谱解混时,容易受到噪声和异常值的干扰，解混效果较差。为了提高分解性能，该文将L_(21)范数引入标准的NMF算法中，对模型进行了改进，从而提高算法的鲁棒性。其次，为了提高分解后丰度矩阵的稀疏性，将双重加权稀疏约束引入L_(21)NMF模型中，使其中一个权值提高每个像元对应的丰度向量上的稀疏性，另一个权值提高每个端元对应的丰度向量上的稀疏性。同时，为了利用像元的
针对传统目标识别算法对于遮挡目标识别准确率低的问题，提出一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓，根据分段起伏度进行分段优化，得到完整描述目标轮廓特征的有效分段；然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度，利用特征显著度评价分段特征相对于目标整体特征的重要性；最后将分段之间的相似度和其特征显著度相结合，得到衡量识别准确率的联合相似度，
脉冲神经网络(SNN)采用脉冲序列表征和传递信息，与传统人工神经网络相比，更具有生物可解释性。但典型SNN的特征提取能力受到其结构限制，对于图像数据等多分类任务的识别准确率不高，不能与卷积神经网络(CNN)相媲美。针对该问题，提出了一种新型的自适应编码脉冲神经网络(SCSNN)，将CNN的特征提取能力和SNN的生物可解释性结合起来，采用生物神经元动态脉冲触发特性构建网络结构，并设计了一种新的替代梯
针对基于YOLOv3模型的侧扫声纳沉船目标检测方法存在小目标漏警率高、模型权重大、检测速度未能满足实时性需求等问题，引入YOLOv5算法并根据数据集特点，提出基于YOLOv5模型的侧扫声纳海底沉船目标检测方法。在YOLOv5基础框架下尝试YOLOv5a、YOLOv5b、YOLOv5c、YOLOv5d、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x八种不同深度和宽度的模型结构，并选择
针对多平面结构的物体，传统的点特征点云配准方法存在鲁棒性差、易收敛到局部最优解等问题，提出了一种基于法向量投票的点云配准方法。用平面特征代替点特征作为配准基元，建立基于平面的坐标转换模型。首先构建kd-tree，计算各点的法向量，并将法向量转换到霍夫空间进行投票，提取平面特征；然后将单位四元数作为特征描述算子，以同名平面特征作为约束条件，根据最小二乘平差原则，求解点云之间的位姿变换关系。实验结果表
随机配置网络(Stochastic configuration network, SCN)构建一个不等式约束条件对隐性参数进行随机分配,同时对其范围进行自适应选择,具有收敛速度快、建模精度高等优点.由于随机算法的本质特性,不可避免产生低值、冗余节点,为提高SCN软测量模型的稀疏性,本文提出一种简约随机配置网络(Parsimonious stochastic configuration networ
在高分辨体制下海杂波与海面小目标具有复杂的特性，特别是对于雷达散射截面积较小的海面漂浮目标，传统的检测方法性能不佳。为了突破临界信杂比情况下的检测性能，可以提取雷达回波的一种或者多种特征，从而进行特征检测，该方法是实现临界信杂比情况下有效检测的重要途经。目前，在3维及以下的特征空间中可以使用凸包学习算法计算判决区域并有效地控制虚警概率，但是在3维以上的特征空间中凸包学习算法计算复杂度提高，难以进行
以准噶尔盆地未开垦盐碱土为研究对象，测量土壤含盐量、pH、电导率（EC）值、八大离子等指标，采用多元统计、主成分分析法对采样区盐碱土分布特征与盐生植被多样性进行研究。结果表明：（1）研究区以硫酸盐-氯化物盐土、硫酸盐盐土为主。中、重度硫酸盐-氯化物盐土、硫酸盐盐土以链状或条带状集中分布在昌吉回族自治州、博尔塔拉蒙古自治州地区。阿勒泰地区的苏打盐土、苏打碱土呈点状分布。（2）昌吉回族自治州地区以稀盐
学习图中节点的潜在向量表示是一项重要且普遍存在的任务，旨在捕捉图中节点的各种属性。大量工作证明静态图表示已经能够学习到节点的部分信息，然而，真实世界的图是随着时间的推移而演变的。为了解决多数动态网络算法不能有效保留节点邻域结构和时态信息的问题，提出了基于深度神经网路（DNN）和门控循环单元（GRU）的动态网络表示学习模型DynAEGRU。该模型以自编码器作为框架，首先编码器使用深度神经网络聚集邻域