【摘 要】
：
高光谱图像分类是高光谱图像研究的一个重要分支。已经有很多研究人员提出了高精度的高光谱分类网络。但是这些网络需要占用相当多的处理资源和处理时间,限制了深度学习技术以及高光谱数据的应用和推广。轻量级网络在最近几年成为深度学习领域的一个新热点,然而现有的轻量级网络多为普通RGB图像处理所设计,并不适合处理高光谱图像。针对高光谱图像分类问题的轻量级网络进行研究,本文的主要工作有如下三个方面:1)本文从GP
论文部分内容阅读
高光谱图像分类是高光谱图像研究的一个重要分支。已经有很多研究人员提出了高精度的高光谱分类网络。但是这些网络需要占用相当多的处理资源和处理时间,限制了深度学习技术以及高光谱数据的应用和推广。轻量级网络在最近几年成为深度学习领域的一个新热点,然而现有的轻量级网络多为普通RGB图像处理所设计,并不适合处理高光谱图像。针对高光谱图像分类问题的轻量级网络进行研究,本文的主要工作有如下三个方面:1)本文从GPU硬件和软件算法两个方面分析如何设计高性能网络,指出了单独以神经网络参数个数以及理论FLOPS分析网络性能是不够全面的,需要同时考虑访存和计算量的影响。2)本文首先使用了深度可分离卷积降低了网络的计算复杂度,和使用了多尺度连接以保持网络的精度,提出了一个轻量级高光谱用神经网络。我们通过公用1×1卷积降低了参数个数并且压缩了特征图数量以改善访存问题。3)本文在之前的基础上进行了进一步改进,对大尺寸卷积核进行了分解并改进了多尺度连接以在降低计算复杂度的情况下尽可能保持网络的精度。实验结果表明我们的网络相对于其他网络有着巨大的速度优势,同时保持了相当的精度。
其他文献
多智能体系统是一类具有复杂的系统内通信关系和个体计算决策能力的智能系统,该系统通常面向复杂的应用场景,用以满足特定的功能要求,同时采用分布式设计思路来应对可能出现的系统问题。在编队、集群等依赖协同控制的场景,由于具备不依赖中央控制和全局通信的优点,基于多智能体系统的协同控制方法得到了广泛应用,一致性控制是其中尤为重要的部分。本文结合多智能体系统一致性控制的具体场景要求,开展了多智能体系统的理论模型
随着“中国制造2025”计划的提出,国内的机器人技术与产业都得到了飞速发展。同时也对机器人的各项性能提出了新要求。在这其中,串联机器人的奇异位形规避一直是串联机器人研究领域的热点问题。本文基于六自由度串联机器人的奇异位形分析,对奇异位形下的轨迹规划进行了一定的研究,主要内容如下:首先,阐述串联机器人相关数学理论基础,为后面机器人的运动分析及轨迹规划做必要准备。其次,运用改进的D-H法对机器人建模,
近年来,汽车行业的发展变革是科技进步的真实写照,智能化的出行方式已是未来的发展方向。车辆场景理解技术作为提高车辆智能化水平的前提和实现自动驾驶的“关键一步”,在辅助驾驶乃至自动驾驶领域中备受关注。而如何在有限的车载计算空间内为智能汽车提供充足的视觉信息,仍然是具有挑战的问题。语义分割和目标检测是实现车辆场景理解的两大核心任务,得益于深度学习的发展,目前针对单一任务的算法模型相继涌现,但应用在车辆场
柔性应变传感器具有轻质、柔性、可弯曲、可贴附、曲面兼容性等众多特点,可应用于柔性穿戴器件,在人体运动监测、医疗健康以及人机交互等领域发挥重要作用。离子型应变传感器是其中的重要一类,它是由两侧的电极层和中间的聚电解质层所组成的三层结构器件,通过内部可移动离子在外部应力作用下的定向移动,从而在两侧电极上产生电势差,实现力-电能量转换以及对于应变的感知。离子型应变传感器具有对不同方向的应变的感知能力以及
自工业机器人问世以来,工业生产格局发生了很大变化。随着工业场景的复杂化以及任务的多样性,传统的六自由度工业机器人已不能完全满足需求。相比于传统六自由度机械臂,带有冗余关节设计的双臂七自由度机器人具有较好的容错性、柔顺性和避障能力,也提升了机械臂的工作效率。双臂协作也使机器人的作业能力得到巨大提升,双臂机器人的协作控制成为一个重要内容。机器人应用开发涉及到底层的数值计算、上层应用开发以及机器人位置控
我国应急管理体系建设时间尚短,应急管理基础支撑技术发展还比较薄弱,防范化解重大风险、高效应对重特大自然灾害仍然面临巨大的挑战。以“大智移云”为特征的新一代信息技术的快速发展,给应急管理的信息化、智能化和科学化提供了新的机遇和挑战。为此,应急管理部在《应急管理信息化发展战略规划框架（2018-2022年）》中明确提出,要利用大数据、人工智能、机器学习等新一代信息技术提高我国重特大自然灾害风险感知、监
拉曼光谱以其独特的分子光谱特性常被用于医疗、环保、安防、质检等多个领域。随着激光技术和制造业技术的发展,拉曼光谱技术越来越成熟,以该技术为基础的光谱仪也越来越多样化。为了满足户外实时检测、高温高压等特殊环境下的操作需求,手持式拉曼光谱仪应运而生。然而,目前已有的手持式拉曼光谱仪多存在有效信号微弱、应用范围窄、产品价格昂贵等不足,影响用户使用体验,因此本文意在研制一款成本较低、性能优良的高通量手持式
多智能体协作一直是人工智能的研究热点,有助于解决人类社会的许多问题。由于近些年来深度强化学习展现出的惊人决策能力,利用其解决多智能体协作问题成为热门,并诞生了多智能体深度强化学习这一研究方向。值分解是多智能体深度强化学习的主流方法,可以在环境平稳性和智能体拓展性之间取得平衡。但现有的一些值分解式方法没有充分利用历史轨迹进行学习,也忽视了智能体策略网络的重要性。因此,本文针对基于多智能体值分解深度强
人类视觉系统所拥有的一项非凡能力是:仅通过单个视图推理出物体的三维形状。即使在缺乏立体视觉或运动的几何提示情况下,人类视觉系统也能够推断出详细的表面或完整的隐藏细节。因此,理解图像的三维结构是许多计算机视觉应用的关键,三维图像比二维多出一维的信息,更能反映物体的细节纹理和空间位置信息,使得模型更加真实合理。在计算机视觉领域中,基于单视图的物体三维重建是一个长期存在且具有挑战性的研究问题,科研人员往
随着科学技术的发展和人工成本的不断增加,能够实现自动化装配、移载、分拣等功能的AGV（Automated Guided Vehicle）的发展和应用越来越受到行业的重视。路径跟踪控制技术作为AGV技术中重要的一环,其控制精度直接影响着整体任务的执行,与此同时,随着工作任务越来越复杂,对AGV的跟踪控制精度的要求也越来越高。但是,在AGV进行路径跟踪任务的过程中易受负载、外部干扰、系统参数摄动等干扰