【摘 要】
：
准确地掌握船只目标的位置和分布对海上交通管理、海洋事故救援及海洋环境保护等非常重要。近年来,合成孔径雷达(SAR)广泛应用到海上船只目标探测中。本文提出一种基于深度学
【机 构】
：
北京化工大学数理学院物理与电子科学系
【基金项目】
：
国家自然科学基金项目(61471024),海洋公益性科研专项(201505002-1)资助~~.
论文部分内容阅读
准确地掌握船只目标的位置和分布对海上交通管理、海洋事故救援及海洋环境保护等非常重要。近年来,合成孔径雷达(SAR)广泛应用到海上船只目标探测中。本文提出一种基于深度学习框架的船只检测方法,该方法根据SAR图像中船只目标的特点,对区域卷积神经网络的输入部分及目标候选框提取部分做出了适应性改进,并对训练方法进行了优化。实验表明,本文提出的方法能够在不同分辨率的SAR图像中检测出密集分布、沿岸分布等不同场景下不同大小的船只目标,且检测结果不受旁瓣等噪声的干扰,能够完整地保留船只目标的细节信息,实现整体检测。
其他文献
为了提高选冶综合经济效益,降低湿法冶炼成本,减少后续处置成本,减少对环境的危害,对辽宁某浮选精矿进行了提高金品位试验研究。研究经再磨再选闭路流程使金品位由37.09 g/t
为评估长毛对虾(Penaeus penicillatus)增殖放流效果,探究长毛对虾增殖放流对自然群体的遗传学影响。本研究使用9对微卫星标记,开展了长毛对虾增殖放流效果评价研究,并对长毛
目的观察丙型肝炎病毒F蛋白缺失对病毒复制、致病及感染的影响。方法按生物化学的方法进行,制备丙型肝炎病毒的RNA的转录体;根据培养的结果进行相关的检测实验,对相关的实验
海南矿业由露天开采转为地下开采后,矿石的贫化使原富矿加工工艺难以适应,公司委托开展了贫矿选矿工艺研究。研究表明,采用德国MBE矿物科技公司新开发的具有处理量大、选别效
本文利用蚁群算法鲁棒性及全局寻优优点,帮助BP神经网络选取最优权值及阈值,以解决其易陷入局部最优解的缺陷,并基于Santa Cruz盆地多波束及底质采样数据,采用蚁群算法优化的BP神经网络对该盆地内存在的基岩、泥质砂、砂质泥三种底质类型训练分类。从网络预测平均误差和底质分类正确率对比来看,相较于传统BP神经网络,在相同训练次数下,采用蚁群算法优化后的神经网络,网络预测平均误差明显下降,下降比率达2
为研究大环多胺金属配合物对展青霉素(PAT)水解作用的效果,本文采用1,4,7,10-四氮杂环十二烷(Cyclen)与氯化锰为原料制备出大环多胺锰Cyclen-Mn(Ⅱ)配合物,并通过红外光谱对
针对模型求解和数据优化问题,提出了混合蝙蝠算法(HBA),将标准蝙蝠算法(BA)与小生境思想结合在一起,借鉴并引入了粒子群优化算法(PSO)中的速度和位置更新公式,并在最后求解时
海底液化后的土体会随着波浪波动,在对液化土波动进行理论描述或对结构物作用力进行计算时,需要液化土质点的波动速度或运动轨迹。本文利用波浪水槽试验,在Stokes波的作用下,
海洋地理空间数据具有分布时间长、范围广、类型复杂、时效性强等特点。如何使用分布式并行计算系统(云平台)高效地计算和处理大规模海洋地理空间数据,是一个具有挑战性的问题。本文提出了一种支持Spark、MPI、GPU三种异构任务异构应用的Spark框架(Heterogeneous Application Spark Framework,HASF),适用包含检索、计算和可视化的海洋地理空间数据计算和处理的
为优化深海激光原位拉曼光谱系统,对控制模式和数据通信方案进行了升级,以实现了光谱原位探测系统小型化。采用单一的STM32微控制器实现了光谱数据采集、光谱仪与激光器工作