简介:摘要:目标检测算法在不断更新迭代,从20世纪90年代至今,目标检测领域已经发生了翻天覆地的变化。本文简要梳理了目标检测算法的发展历程,重点对YOLOv1和YOLOv3两代算法进行了详细讨论,同时还探讨了YOLO算法在农业、工业、医学和遥感监测等领域的广泛应用,并展望了其未来的发展潜力。
简介:摘要:深度学习已经在目标检测领域取得了显著的进展,通过自动学习特征表示和端到端的训练方式,提高了目标检测的准确性和效率。本文对基于深度学习的目标检测算法进行了综述,包括单阶段和两阶段检测器。单阶段检测器如YOLO和SSD直接在图像上进行密集预测,具有实时性和高效性,但可能存在定位不准确性。两阶段检测器如R-CNN系列通过候选区域生成和分类/定位两个阶段实现更精确的定位,但计算资源消耗较大。选择适合任务需求的检测器取决于实时性、准确性和定位要求。未来,深度学习目标检测算法将进一步发展,结合单阶段和两阶段的优势,以提高性能和效果。
简介:摘要:在雷达目标分类领域,传统基于长短期记忆网络(LSTM)的算法因其在处理时间序列数据方面的优越性能而得到广泛应用。然而,这类算法容易受到噪声干扰,从而影响分类的准确性。为了解决这一问题,本研究提出了一种改进的LSTM模型(噪声抑制LSTM,Noise Inhibition LSTM,NI-LSTM),在标准LSTM中引入了噪声抑制模块。该模块能够有效降低噪声节点在整个时间步长中的影响占比,同时提高理想数据的比重,从而增强模型对目标分类的鲁棒性。
简介:摘要:场面监视系统是一种用于监控机场场面上各类航空器和车辆实时动态的系统,广泛应用于国内外各大机场。场面监视系统出现的假目标会干扰塔台管制员,对航空运行有一定的影响。本文探讨了广州白云国际机场塔台使用的NOVA9000场面监视系统,在抑制假目标方面所作的技术探索,对处理类似相关问题有一定的参考价值。