内容提供者
一种基于深度卷积神经网络的未知目标识别方法.pdf
2023-05-11
10金币
453KB
7页
一条****丹淑
实名认证
内容提供者
1/7
2/7
3/7
4/7
5/7
6/7
7/7
在线预览结束，喜欢就下载吧，查找使用更方便
相关资料
一种基于深度卷积神经网络的未知目标识别方法.pdf
本发明属于未知目标识别技术领域,具体涉及一种基于深度卷积神经网络的未知目标识别方法。本发明首先对宽带雷达获得的一维距离像数据(HRRP)进行预处理,降低一维距离像具有的幅度敏感性;其次利用深度卷积神经网络提取特征;最后通过差值概率法处理已知目标数据的识别概率,获取判别门限,对神经元网络的输出矢量进行判别,从而识别出未知目标。本方法由于引入了采用差值概率法获取的判别门限,有效描述了已知目标与未知目标数据集的统计分布区域边界,解决了常规卷积神经网络无法识别未知目标的难题。
2023-05-11
10
453KB
基于深度卷积神经网络的海战场目标协同识别方法.docx
基于深度卷积神经网络的海战场目标协同识别方法基于深度卷积神经网络的海战场目标协同识别方法摘要：随着技术的不断发展，海战场目标的协同识别变得越来越重要。本论文提出了一种基于深度卷积神经网络的海战场目标协同识别方法。该方法利用深度卷积神经网络的优势，在海战场目标协同识别任务中可以取得更好的效果。实验结果表明，所提出的方法在海战场目标协同识别上具有明显的优势，能够准确识别目标并实现协同工作，提高海战场的战斗效率。1.引言随着现代战争中海战的重要性不断提升，海战场目标的识别任务变得越来越困难。传统的目标识别方法在
2024-11-01
5
10KB
一种基于深度卷积神经网络的菜谱识别方法.pdf
本发明公开了一种基于深度卷积神经网络的菜谱识别方法，包括以下步骤：步骤1：采集N类菜谱的图像并按类进行筛选；步骤2：对筛选后的图像进行预处理；步骤3：用经过预处理后的菜谱图像训练模型；步骤4：采集待检测菜谱图像并进行预处理；步骤5：根据步骤3得到的训练好的模型用步骤4得到的预处理后的图像作为输入进行菜谱检测；步骤6：根据步骤5的检测结果就可以得到待识别菜谱图像的3‑5种相似度最高的选择菜谱。
2023-12-05
10
995KB
基于深度卷积神经网络的位置识别方法.docx
基于深度卷积神经网络的位置识别方法基于深度卷积神经网络的位置识别方法摘要位置识别在计算机视觉领域扮演着至关重要的角色。随着深度学习的兴起，卷积神经网络（ConvolutionalNeuralNetworks,CNN）在图像识别任务中取得了显著的成果。本文针对位置识别问题，提出了一种基于深度卷积神经网络的方法。我们首先介绍了卷积神经网络的基本原理，并详细阐述了其在位置识别任务中的应用。然后，我们详细介绍了我们提出的位置识别方法，包括网络结构的设计和训练过程。最后，我们通过实验结果验证了我们方法的有效性，并与
2024-11-12
5
11KB
一种基于深度卷积神经网络的模式识别方法.pdf
本发明公开了一种基于深度卷积神经网络的模式识别方法，主要是一种基于深度卷积神经网络，引入attention机制及图像增强手段的模式识别方法。首先拿到样本数据集，由相关专业人员对数据集图像进行标注，对图像做灰度处理，这样可以凸显出主要目标的轮廓，有利于特征提取，然后利用随机旋转不同角度对数据集进行扩充，再对图像数据做增强以及数据预处理，最后构建出能够高效提取图像特征的深度卷积神经网络，用建立好的数据集进行五折交叉验证对模型进行训练并测试，完成视觉辅助检测模型的构建。本发明在样本识别时运算效率更高，而模型参数
2023-08-30
10
588KB