文章-世纪中文出版社

遥感影像目标识别在军事侦察、资源调查、城市规划等众多领域具有举足轻重的地位，是实现遥感数据价值的关键环节。随着人工智能（AI）技术的飞速发展，遥感影像目标识别从早期基于浅层学习模型的分类技术逐步演进至深度学习驱动的分类技术，进而发展到实例分割技术。实例分割不仅要求对目标进行分类，还需精准定位并分割每个实例，极大地提升了目标识别的精细度。然而，这一技术演进过程面临着数据标注困难、模型计算资源需求大以及复杂场景下识别精度不高等挑战。未来，多模态数据融合、小样本学习以及与其他技术结合将成为基于AI的遥感影像目标识别技术的重要发展趋势，有望进一步推动该领域的发展与应用。

无人机遥感图像海上舰船目标识别技术的研究下载：144 浏览：2394

刘宇超《光电子进展》 2025年4期

摘要:

随着现代化技术以及信息化手段的高速发展，社会已经进入到了全新的发展进程中，这也为各大社会行业的发展起到了良好的促进作用，而目前的舰船目标识别技术，已经得到了较为全面的发展优化，无论是在军事领域还是民事领域当中都得到了较为广泛的应用。而通过舰船目标识别技术与无人机遥感技术之间的充分结合，已经成为了一种快速获取海上目标信息的重要措施。因此，文章首先对无人机遥感图像技术的发展展开深入分析；在此基础上，提出无人机遥感图像海上舰船目标识别技术的应用措施。

无人机视觉感知的目标识别与避障策略研究下载：99 浏览：1418

刘国辉杨霄田野《电气学报》 2023年9期

摘要:

本研究探讨了无人机视觉感知中的目标识别与避障策略。在目标识别方面，传统图像处理与深度学习方法被广泛应用，多传感器融合提高了识别准确性。针对避障，障碍物检测与跟踪、环境地图构建以及动态避障策略被详细阐述，确保了无人机的安全飞行。策略设计强调权衡与优先级，决策与控制流程保障高效执行。基于仿真实验验证了综合策略的有效性，为无人机自主飞行的智能化和自动化飞行系统的发展提供了指导。

基于卷积神经网络的高精度实时目标识别技术研究下载：116 浏览：1147

陈俊霖蓝志豪兰一达姚悦代跃胜《中国电气工程》 2023年9期

摘要:

本文基于卷积神经网络的实时目标识别技术，探讨了模型优化、数据增强和硬件加速策略的应用。在保持高精度的前提下，实现实时性是挑战性任务。通过选择合适的网络架构、应用数据增强方法，以及采用硬件加速与优化技术，能够有效提高实时目标识别的性能。案例研究验证了这些方法的有效性。未来的研究应专注于更高效的架构设计和算法优化，以促进实时目标识别技术的进一步发展。

计算机深度学习在雷达目标识别中的应用进展下载：39 浏览：392

李永超《计算机研究与应用》 2024年10期

摘要:

雷达目标识别在军事及民用领域占据重要地位，计算机深度学习作为一种强大的技术手段，在该领域的应用日益广泛。本文通过系统梳理和总结现有的相关研究成果，详细论述了计算机深度学习在雷达目标识别中的应用进展情况。归纳了计算机深度学习的优点、局限以及当前研究的重点；简述了雷达目标识别的概念；深入探讨了基于特定雷达图像特征的目标识别方法，并对计算机深度学习在雷达目标识别领域的应用前景进行了展望。

[1/1]

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com