展开全部

主编推荐语

复杂场景下小目标检测研究:分布修正、数据增强、及环境因素。

内容简介

现有的目标检测识别技术在理想环境(背景单一、目标分辨率高等)中已经取得了显著的效果,但在更为普适开放的环境下往往无法正常工作。复杂场景下小目标的检测和识别研究面临环境的复杂性、目标特性的复杂性和数据的不完备性三个层面的挑战。

本文解决该问题的基本思路是在源域知识的指导下,修正目标域样本在特征空间的联合概率分布,从而提高样本目标域特征的可分性。本文针对分布不一致的问题,从上下文信息、信息补偿以及数据增强这三个层面展开研究。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第一部分 复杂场景下的小目标检测与识别方法研究
  • 第1章 绪论
  • 1.1 研究背景及意义
  • 1.2 研究内容和创新点
  • 第2章 复杂场景下小目标检测与识别的相关技术
  • 2.1 传统场景下常规目标检测与识别
  • 2.2 复杂场景下小目标检测与识别
  • 第3章 上下文信息指导的复杂场景下小目标检测
  • 3.1 小目标特征淹没
  • 3.2 小目标检测算法的原理分析
  • 3.3 上下文信息指导的复杂场景下小目标检测方法
  • 3.4 实验结果与分析
  • 第4章 信息补偿机制的复杂场景下小目标识别
  • 4.1 问题引出
  • 4.2 信息补偿机制下的小目标识别算法原理分析
  • 4.3 基于表示学习生成对抗网络的小目标识别算法
  • 4.4 实验结果与分析
  • 第5章 样本方向指导的数据增强
  • 5.1 问题概述
  • 5.2 基于属性指导的数据增强方法分析
  • 5.3 样本方向指导的数据增强方法
  • 5.4 实验结果与分析
  • 第6章 基于区域推荐和PHOG的飞机快速检测
  • 6.1 问题概述
  • 6.2 区域推荐和特征提取原理分析
  • 6.3 基于区域推荐和PHOG的遥感图像中飞机快速检测算法
  • 6.4 实验结果与分析
  • 本部分总结
  • 参考文献
  • 第二部分 基于机器学习的智能空战深层态势感知
  • 第7章 绪论
  • 7.1 空战态势感知概述
  • 7.2 国内外研究现状
  • 7.3 研究意义
  • 第8章 相关理论和数据来源
  • 8.1 数据挖掘理论
  • 8.2 机器学习相关理论
  • 第9章 基于粒子群优化LSTM的空战轨迹预测研究
  • 9.1 目标轨迹预测问题描述
  • 9.2 基于PSO-LSTM神经网络的飞行轨迹预测
  • 9.3 仿真实验与分析
  • 第10章 基于CHCQPSO-LSSVM的空战目标机动识别研究
  • 10.1 机动识别问题描述
  • 10.2 机动动作分类与数据处理
  • 10.3 基于CHCQPSO-LSSVM的空战目标机动识别
  • 10.4 仿真实验与分析
  • 第11章 基于Multi-BiLSTM-Attention网络的空战目标意图识别研究
  • 11.1 目标意图识别问题描述
  • 11.2 基于Multi-BiLSTM-Attention网络的1对1空战目标意图识别研究
  • 11.3 意图识别样本数据的构造
  • 11.4 仿真实验与分析
  • 本部分总结
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月,是国务院独资、工信部直属的中央级科技与教育出版社,是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展,已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域,综合出版能力位居全国出版行业前列。