李帅
- 作品数：17 被引量：105H指数：6
- 供职机构：空军工程大学航空航天工程学院更多>>
- 发文基金：国家自然科学基金中国航空科学基金陕西省自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信医药卫生更多>>
- 基于视皮层V1模型的随机点视频序列运动特征提取被引量：6
- 2016年
- 针对复杂场景中视频序列目标运动特征提取困难的问题,借鉴生物视觉系统对视频动态目标的运动感知机制,改进初级视皮层(V1)细胞模型,提出一种基于生物视皮层机制的视频运动特征提取方法.采用时空滤波器与半平方加归一化分别模拟神经元感受野的线性与非线性特性,再通过在输出权值中加入方向选择性调节参数得到普适性的V1细胞模型,从而解决传统模型方向选择性单一、多方向选择能力偏弱的问题.仿真结果表明所提模型模拟输出与生物实验数据较为吻合,能够模拟不同方向选择性的V1细胞,对复杂运动形态的随机点视频序列具有良好的运动特征提取能力.依靠该方法可以为处理特征光流信息提供新的思路,进而实现对视频序列目标的运动特征提取和有效跟踪.
- 邹洪中许悦雷马时平李帅张文达
- 关键词：视频序列
- 基于小波变换和深层稀疏编码的SAR目标识别被引量：10
- 2014年
- 针对SAR图像预处理算法自适应能力差、带标签图像不足、目标特征提取困难等问题,提出了一种基于小波变换和深层稀疏编码的SAR图像目标自动识别算法。首先利用灰度值和尺度缩放获得大量的无标签SAR目标,并采用离散小波变换对图像进行高效的降维,再结合深层稀疏编码提取目标的深层抽象特征并完成识别任务。采用MSTAR数据库中3类军事目标进行算法仿真与验证。实验结果表明,在没有预处理的情况下,该算法能够有效地完成多目标SAR图像分类,且具有较高的识别率和鲁棒性。
- 李帅许悦雷马时平倪嘉成王坤
- 关键词：合成孔径雷达图像目标识别小波变换
- 基于按需和贪婪转发的移动自组网路由协议被引量：5
- 2017年
- 移动自组网的动态拓扑特性给路由协议的设计带来了一定的挑战,尤其是在高动态的网络环境中.本文针对该问题,提出了一种新的基于按需和贪婪转发的路由协议,该协议是在RGR模式的基础上提出以下三点改进,即:(1)通过受限的洪泛机制降低网络在路由发现阶段的控制开销;(2)通过移动预测机制,在被动寻路阶段监视被动路径的状态和在GGF阶段帮助节点选取适当的邻居作为下一跳节点;(3)通过路径请求延迟机制以减少不必要的资源浪费.仿真结果表明:改进的RGR协议与现有的RGR、AODV、Modified-RGR和Optimized-RGR相比,不仅具有较高的数据包接收成功率,而且平均路由开销和端到端时延也相对较低.
- 黄金科樊晓光向新李帅
- 关键词：移动自组织网路由协议性能分析
- PCA预训练的卷积神经网络目标识别算法被引量：26
- 2016年
- 针对卷积神经网络对合成孔径雷达目标识别训练在标签数据不足,平移、旋转以及复杂情况下的识别率不高问题,提出一种优化的卷积神经网络目标识别算法.为克服标签数据不足,利用主成分分析非监督训练一组特征集初始化卷积神经网络;为提高训练速度,同时避免陷入过拟合,采用线性修正函数作为非线性函数;为增强鲁棒性,同时减小下采样对特征表示的影响,引入概率最大化下采样的方式,并在卷积层后对特征进行局部对比度标准化.实验表明,与传统的卷积神经网络相比,该算法对合成孔径雷达目标具有更高的识别率,并对图像各种形变以及复杂背景具有较好的鲁棒性.
- 史鹤欢许悦雷马时平李岳云李帅
- 关键词：卷积神经网络主成分分析
- LNP模型中的神经元滤波特征提取被引量：1
- 2016年
- 目的 LNP(linear-nonlinear-Poisson)模型很好地解译了神经元的响应过程,其重要环节之一是线性滤波器的提取。针对传统i STAC(information-theoretic spike-triggered average and covariance)算法运用于LNP模型时的神经元特性表征不足、运动特征提取效果不佳等问题,特别是在处理低维度刺激问题时,提出了一种改进的i STAC神经元滤波特征提取算法。方法引入非触发刺激的统计量,从而更加准确地构建神经元滤波特征子空间的目标函数,同时增强系统的抗噪能力;采用变尺度法最大化目标函数,从而优化解空间,提升算法的收敛速率。结果不同非线性条件下对线性滤波器的恢复实验结果表明,新算法相较于传统i STAC算法在高维度刺激时保持较好的表征特性,在刺激维度小于6 500时有明显改善,且总体上优于STA(spike-triggered average)和STC(spike-triggered covariance)算法。结论提出的新算法适用范围更广,鲁棒性更强,能够运用于建立完整的基于视觉特性的视频运动特征提取模型。
- 邹洪中许悦雷马时平李帅张文达
- 关键词：变尺度法
- 结合侧抑制机制的自动编码器训练新算法
- 2015年
- 深度学习是目前最热门的机器学习方法之一。针对深度学习中的自动编码器在训练时容易产生网络模型复杂度过高、输出矩阵不够稀疏、小样本训练过拟合等问题,提出一种结合侧抑制机制的自动编码器训练新算法。算法构建了用于隐藏层的侧抑制神经元筛选模型。首先设定抑制限寻找符合抑制条件的神经元,然后通过侧抑制函数对符合条件的神经元进行快速输出抑制,运用反向传播算法对模型进行优化,最终输出权重特征。实验结果表明,算法能够使隐藏层输出近似满足稀疏条件并学习得到更加鲁棒的特征,提高分类正确率的同时还能一定程度上抑制过拟合现象。
- 倪嘉成许悦雷马时平李帅
- 全卷积网络多层特征融合的飞机快速检测被引量：29
- 2018年
- 针对传统飞机检测方法准确率低、虚警率高、速度慢等问题,提出一种全卷积神经网络多层特征融合的飞机快速检测方法。将浅层和深层的特征经过采样后在同一尺度进行融合,以缓解由于深层特征图维度过低造成的对小目标表达不足的问题;修改区域提取时的选框尺寸以适应实际图像中飞机的尺寸特征;用卷积层代替全连接层以减少网络参数并适应不同大小的输入图像;复用区域提取网络和检测网络的卷积层和学习的特征参数以保证检测的高效性。仿真结果表明,与典型的飞机检测方法相比,所提方法在测试集上取得了更高的准确率和更低的虚警率,同时大大加快了检测速度。
- 辛鹏许悦雷唐红马时平李帅吕超
- 关键词：机器视觉
- 基于人眼视觉皮层系统的SAR图像目标识别
- 2014年
- 人眼的视觉系统是已知最复杂最精确的目标识别系统;针对现有浅层学习模型提取SAR图像目标特征效果不理想、普适性不强及目标识别精度不高等问题,参考人眼视觉系统的分层特征提取机制提出了一种深层特征提取目标识别算法;算法首先提出一种针对SAR图像的预处理方法,在特征提取阶段应用多层稀疏自动编码器,通过逐层减少神经元数目使编码器学习得到输入数据的压缩表示,从而提取得到更抽象更鲁棒的目标特征;采用MSTAR数据库3个目标进行实验,试验结果表明,算法能很好地对MSTAR目标进行特征提取和识别,类比原有的方法有较高的识别准确率,达到96.7%。具有较强的实用性。
- 倪嘉成许悦雷马时平李帅
- 关键词：SAR图像目标识别交叉视觉皮质模型
- 基于深度置信网络的目标识别方法被引量：6
- 2014年
- 针对合成孔径雷达图像预处理鲁棒性不足、特征提取及利用不充分等问题,提出了一种基于深度置信网络的合成孔径雷达(SAR)图像目标自动识别算法。首先提出一种基于双树复小波变换(DT-CWT)的非局部均值图像降斑算法,并结合目标方位角估计实现对原始数据鲁棒的预处理;最后,引入多层深度置信网络提取针对合成孔径雷达目标的深度抽象视觉信息作为特征并完成识别任务。采用3类运动与静止目标的获取与识别(MSTAR)实测数据进行的仿真实验结果表明,所提算法具有较高鲁棒性和识别率。
- 史鹤欢许悦雷杨志军李帅李岳云
- 关键词：合成孔径雷达图像目标识别方位角估计
- 区域提取网络结合自适应池化网络的机场检测被引量：5
- 2018年
- 针对传统机场检测方法准确率低、虚警率高、耗时长等问题,借鉴深度卷积神经网络的架构,提出一种改进的区域提取网络和自适应池化网络结合的机场快速检测方法.将二分类网络引入区域提取网络以筛除一些定位较差的候选区域和背景区域,结合自适应池化的检测网络对机场候选区域进行识别,通过复用网络结构和学习的特征参数来达到快速检测的目的.仿真结果表明,与两种典型的机场检测方法相比,所提方法在测试集上取得更高准确率和更低虚警率的同时,极大地提高了检测速度,达到了精准、快速检测机场的目的.
- 辛鹏许悦雷马时平李帅吕超
- 关键词：机场检测卷积神经网络
