|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 深度卷积神经网络图像识别模型对抗鲁棒性技术综述显示文摘近年来,以卷积神经网络为代表的深度识别模型取得重要突破,不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征,依赖大规模高质量训练数据,只能提供有限的可靠性能保证。深度卷积神经网络图像识别模型很容易被视觉不可感知的微小对抗扰动欺骗,给其在医疗、安防、自动驾驶和军事等安全敏感领域的广泛部署带来巨大隐患。该文首先从信息安全角度分析了基于深度卷积神经网络的图像识别系统潜在安全风险,并重点讨论了投毒攻击和逃避攻击特性及对抗脆弱性成因;其次给出了对抗鲁棒性的基本定义,分别建立对抗学习攻击与防御敌手模型,系统总结了对抗样本攻击、主被动对抗防御、对抗鲁棒性评估技术的研究进展,并结合SAR图像目标识别对抗攻击实例分析了典型方法特性;最后结合团队研究工作,指出存在的开放性问题,为提升深度卷积神经网络图像识别模型在开放、动态、对抗环境中的鲁棒性提供参考。 | 孙浩 陈进 雷琳 计科峰 匡纲要 | 2021 | 雷达学报(中英文)2021，10，4： | 15 |
| 2 | 光学遥感图像海面船舶目标检测技术进展显示文摘海面船舶目标检测一直是遥感图像处理、模式识别与计算机视觉等领域的研究热点,船舶作为海上运输载体和重要军事目标,对其进行自动检测在军用与民用领域有着广阔的应用前景和重要现实意义。本文梳理了用于海面船舶目标检测的光学成像卫星的发展情况,分析了光学遥感成像船舶目标的物理特性和特征,归纳了国内外该领域海面船舶检测技术研究现状,围绕构建相关目标检测模型和架构的相关理论与关键技术进行了分析、比较和总结,探讨了当前光学遥感图像船舶目标检测方法面临的问题与挑战以及未来的发展趋势。 | 徐芳 刘晶红 孙辉 王腾龙 王宣 | 2021 | 光学精密工程2021，29，4： | 15 |
| 3 | 基于对抗攻击的SAR舰船识别卷积神经网络鲁棒性研究显示文摘随着深度学习技术的迅猛发展,卷积神经网络(Convolutional Neural Networks,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)舰船分类任务上取得很高的精度。但同时,由于SAR成像存在相干斑噪声等特性以及CNN自身的脆弱性,使得预测结果稳定性较差,在实际应用中存在明显隐患。针对上述CNN在SAR舰船识别分类任务上鲁棒性不足的问题,本文将对抗样本引入到SAR舰船识别鲁棒性的研究之中,通过从梯度、边界、黑盒模拟等多个角度对CNN网络进行全方位的对抗攻击及干扰,实现了对各SAR舰船识别CNN网络的综合评估,并依照评估结果完成针对性的鲁棒性增强方案的制定,为SAR舰船识别鲁棒性研究开拓了新的领域。 | 徐延杰 孙浩 雷琳 计科峰 匡纲要 | 2020 | 信号处理2020，36，12： | 8 |
| 4 | RSDD-SAR:SAR舰船斜框检测数据集显示文摘针对合成孔径雷达(SAR)舰船斜框检测数据集较少,难以满足算法发展和实际应用需求的问题,该文公开了SAR舰船斜框检测数据集(RSDD-SAR),该数据集由84景高分3号数据和41景TerraSAR-X数据切片及2景未剪裁大图,共127景数据构成,包含多种成像模式、多种极化方式、多种分辨率切片7000张,舰船实例10263个,通过自动标注和人工修正相结合的方式高效标注。同时,该文对几种常用的光学遥感图像斜框检测算法和SAR舰船斜框检测算法进行了实验,其中单阶段算法S2ANet检测效果最佳,平均精度达到90.06%。通过实验对比分析形成基准指标,可供相关学者参考。最后,该文通过泛化能力测试,分析讨论了RSDD-SAR数据集训练模型在其他数据集和未剪裁大图上的性能,结果表明:该数据集训练模型具有较好的泛化能力,说明该数据集具有较强的应用价值。RSDD-SAR数据集可在以下网址下载:http://gffzz123444d336344a7bsqbo65xncwfpf69vf.ffgz.tsg.suse.edu.cn/web/data/getData?dataType=SDD-SAR。 | 徐从安 苏航 李健伟 刘瑜 姚力波 高龙 闫文君 汪韬阳 | 2022 | 雷达学报(中英文)2022，11，4： | 6 |
| 5 | Multimodal hyperspectral remote sensing:an overview and perspective显示文摘Since the advent of hyperspectral remote sensing in the 1980 s,it has made important achievements in aerospace and aviation field and been applied in many fields.Conventional hyperspectral imaging spectrometer extends the number of spectral bands to dozens or hundreds,and provides spatial distribution of the reflected solar radiation from the scene of observation at the same time.Nowadays,with the fast development of new technology in the fields of information and photoelectricity sensing,and the popularity of unmanned aerial vehicle,hyperspectral remote sensing imaging presents the new trends of multimodality and acquires integration information while keeping high or very-high spectral resolution,especially,high temporal even real time sensing and stereo sensing.Therefore,three important modes of hyperspectral imaging come into existence:(1)multitemporal hyperspectral imaging,which refers to the observation of same region at different dates;(2)hyperspectral video imaging,which captures full frame spectral images in real-time;(3)hyperspectral stereo imaging,which obtains the full dimension information(including 2D image,elevation,and spectra)of observed scene.Along this perspective,firstly,the current researches on hyperspectral remote sensing and image processing are briefly reviewed,and then,comprehensive descriptions of the aforementioned three main hyperspectral imaging modes are carried out from the following four aspects:fundamental principle of new mode of hyperspectral imaging,corresponding scientific data acquisition,data processing and application,and potential challenges in data representation,feature learning and interpretation.Through the analysis of development trend of hyperspectral imaging and current research situation,we hope to provide a direction for future research on multimodal hyperspectral remote sensing. | Yanfeng GU Tianzhu LIU Guoming GAO Guangbo REN Yi MA Jocelyn CHANUSSOT Xiuping JIA | 2021 | Science China(Information Sciences)2021，64，2： | 6 |
| 6 | SAR图像舰船目标检测数据集构建研究综述显示文摘算法和数据是影响深度学习技术发展的两大关键因素,大多数学者专注于算法的改进和开拓,仅有少部分学者致力于数据的研究。构建合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船数据集是SAR舰船目标检测项目的第一步,也是星载SAR图像实际工程应用的基础。分析了影响SAR舰船目标检测性能的关键因素,阐述了SAR舰船数据集的构建方法,概述了TerraSAR-X、“哨兵”1号(Sentinel-1)和高分三号(GF-3)三种SAR图像数据源,并对几种公开的SAR舰船数据集进行梳理与分析,总结了各数据集的发展历程,最后指出构建SAR图像舰船数据集仍需考虑的几个方面。 | 黄琼男 朱卫纲 李永刚 | 2021 | 电讯技术2021，61，11： | 3 |
| 7 | 基于深度学习的SAR图像目标识别综述显示文摘随着合成孔径雷达技术的不断发展,雷达图像目标识别成为重要的研究方向。近年来,深度学习技术在雷达图像目标检测与识别方面得到了广泛应用,然而,数据样本量少和数据样本类别不均衡成为制约深度学习在合成孔径雷达目标识别中的重要因素。对基于深度学习的SAR图像目标识别算法进行了分析,首先,介绍了SAR图像目标识别常用数据集和多角度SAR图像目标识别方法;然后,针对SAR图像目标识别中数据样本量少与样本类别不均衡问题分别进行了总结;最后,讨论了目前SAR图像目标识别仍然存在的问题和下一步的工作计划。 | 李永刚 朱卫纲 | 2022 | 电光与控制2022，29，2： | 3 |
| 8 | 基于散射信息和元学习的SAR图像飞机目标识别显示文摘SAR图像由于数据获取难度大,样本标注难,目标覆盖率不足,导致包含地理空间目标的影像数量稀少。为了解决这些问题,该文开展了基于散射信息和元学习的SAR图像飞机目标识别方法研究。针对SAR图像中不同型号飞机空间结构离散分布差异较大的情况,设计散射关联分类器,对飞机目标的离散程度量化建模,通过不同目标离散分布的差异来动态调整样本对的权重,指导网络学习更具有区分性的类间特征表示。考虑到SAR目标成像易受背景噪声的影响,设计了自适应特征细化模块,促使网络更加关注飞机的关键部件区域,减少背景噪声干扰。该文方法有效地将目标散射分布特性与网络的自动学习过程相结合。实验结果表明,在5-way 1-shot的极少样本新类别识别任务上,该方法识别精度为59.90%,相比于基础方法提升了3.85%。减少一半训练数据量后,该方法在新类别的极少样本识别任务上仍然表现优异。 | 吕艺璇 王智睿 王佩瑾 李盛阳 谭洪 陈凯强 赵良瑾 孙显 | 2022 | 雷达学报(中英文)2022，11，4： | 3 |
| 9 | 公开SAR图像目标数据集及其在深度学习中的应用综述显示文摘由于合成孔径雷达(SAR)图像可读性较差,所以对其进行目标检测与识别处理的难度也较大。近年来,随着深度学习(DL)方法的不断发展,许多学者将其引入SAR图像目标检测与识别研究中。该类方法以数据为驱动。其中,监督学习方法更以已标注的数据为基础。但是,SAR图像目标的标注通常是昂贵且耗时的。鉴于此,本文对已公开的SAR图像目标数据集进行了归纳总结。首先,对典型的SAR系统平台进行了介绍,具体包括星载SAR和机载SAR。其次,按照是否包含目标类型信息将已公开的SAR图像目标数据集分为两类,并分别对其进行了介绍。最后,为了说明上述数据集的建立具有现实意义,对近年来基于DL方法的SAR图像目标数据集的应用情况进行了总结。这也从侧面说明国内外公开的SAR图像目标数据集可助力基于DL的SAR图像目标检测与识别方法的研究。本文能够为后续展开基于DL方法的SAR图像目标的检测与识别方法研究提供数据和研究思路的参考。 | 郑彤 雷鹏 王俊 | 2022 | 航空科学技术2022，33，3： | 2 |
| 10 | 雷达目标识别评估中的数据可分性度量方法显示文摘以机器学习为主的雷达目标识别模型性能由模型与数据共同决定。当前雷达目标识别评估依赖于准确性评估指标,缺乏数据质量对识别性能影响的评估指标。数据可分性描述了属于不同类别样本的混合程度。数据可分性指标独立于模型识别过程,将其引入识别评估过程,可以量化数据识别难度,预先为识别结果提供评判基准。因此该文基于率失真理论提出一种数据可分性度量,通过仿真数据验证所提度量能够衡量多维高斯分布数据的可分性优劣。进一步结合高斯混合模型,设计的度量方法能够突破率失真函数的局限性,捕捉数据局部特性,提高对数据整体可分性的评估精度。接着将所提度量应用于实测数据识别难度评估中,验证了其与平均识别率的强相关性。而在卷积神经网络模块效能评估实验中,首先在测试阶段量化分析了各卷积模块提取特征的可分性变化趋势,进一步在训练阶段将所提度量作为特征可分性损失参与网络优化过程,引导网络提取更可分的特征,该文从特征可分性角度为神经网络识别性能的评估与提升提供新思路。 | 姜卫东 薛玲艳 张新禹 | 2023 | 雷达学报(中英文)2023，12，4： | 1 |
| 11 | 宽幅SAR海上大型运动舰船目标数据集构建及识别性能分析显示文摘以TopSAR和ScanSAR成像模式为代表的宽幅合成孔径雷达(SAR)可以实现更大范围的海洋场景观测。但实现宽测绘带的同时降低了成像分辨率,因此宽幅SAR图像中的舰船目标缺乏清晰的结构特征,给大范围海上舰船目标识别带来了极大的挑战。同时,由于缺乏海上运动航母、两栖舰等大型关键目标的宽幅SAR样本数据,使得海上运动大型关键舰船目标识别更加困难。针对该问题,该文构建了宽幅SAR海上大型运动舰船目标数据集,共包含2291个大型舰船目标样本,类别划分为大型军事舰船,长度为≥250m的大型民用舰船和长度为150~250 m的大型民用舰船。其构建过程为:首先,通过先验知识辅助获取港口区域大型军事舰船目标样本;其次,利用属性信息对OpenSARShip数据集进行长度筛选获取大型民用舰船目标样本;最后,在样本的距离-多普勒域添加二次相位误差进行运动仿真来模拟海上运动舰船目标的成像结果。此外,该文使用经典识别算法和深度学习方法对构建的数据集与运动仿真处理后的数据进行了识别性能分析,结果表明在低分辨率情况下采用SAR图像复数信息可以在一定程度上提高算法的识别率;并且运动舰船目标的散焦问题对识别准确率具有较大影响。 | 雷禹 冷祥光 孙忠镇 计科峰 | 2022 | 雷达学报(中英文)2022，11，3： | 1 |
| 12 | A Hybrid Features Based Detection Method for Inshore Ship Targets in SAR Imagery显示文摘Convolutional Neural Networks(CNNs)have recently attracted much attention in the ship detection from Synthetic Aperture Radar(SAR)images.However,compared with optical images,SAR ones are hard to understand.Moreover,due to the high similarity between the man-made targets near shore and inshore ships,the classical methods are unable to achieve effective detection of inshore ships.To mitigate the influence of onshore ship-like objects,this paper proposes an inshore ship detection method in SAR images by using hybrid features.Firstly,the sea-land segmentation is applied in the pre-processing to exclude obvious land regions from SAR images.Then,a CNN model is designed to extract deep features for identifying potential ship targets in both inshore and offshore water.On this basis,the high-energy point number of amplitude spectrum is further introduced as an important and delicate feature to suppress false alarms left.Finally,to verify the effectiveness of the proposed method,numerical and comparative studies are carried out in experiments on Sentinel-1 SAR images. | Tong ZHENG Peng LEI Jun WANG | 2023 | Journal of Geodesy and Geoinformation Science2023，6，1： | 1 |
| 13 | 同时测定水中阴、阳离子的单柱阴离子排斥-阳离子交换色谱法显示文摘采用单柱离子色谱系统和电导检测的方法,以丙二酸为淋洗液,同时有效地分离、检测了溶液中SO42-、Cl -、NO3-、F -、Na +、NH4+ 、K +、Mg2 +、Ca2 +9种离子。研究了丙二酸浓度和流速对各离子保留时间及电导检测行为的影响。该法用于目前市售饮用水中的阴阳离子分析 。 | 张文 许群 鲜跃仲 金利通 TANAKAKazuhiko | 2000 | 分析测试学报2000，19，3： | 1 |
| 14 | 基于多卷积神经网络融合的SAR舰船分类显示文摘针对SAR图像中小型舰船分类准确率较低的问题,提出一种多卷积神经网络加权融合的方法。首先构建高分辨率卷积神经网络对特征图进行多尺度融合,引入微调模型和标签平滑减少训练过拟合的问题;然后利用高分辨网络、MobileNetv2网络和SqueezeNet网络训练3种单分类模型;最后采用加权投票方式对3种分类模型的结果进行融合。采用融合算法对GF-3号舰船数据集进行分类实验,取得94.83%的准确率、95.43%的召回率和0.9513的F1分数的分类性能。实验结果表明,该舰船分类算法模型具有较优的分类能力,验证了其在高分辨率SAR图像舰船分类上的有效性。 | 张骁 吕继宇 赵爽 吴羽纶 王春乐 | 2023 | 计算机与现代化2023，，1： | 0 |
| 15 | 一种SAR图像舰船目标旁瓣去除方法显示文摘SAR图像舰船目标的几何结构参数对于SAR图像舰船目标识别具有重要意义,然而由于实际获取的SAR图像中舰船存在旁瓣干扰,导致提取的舰船几何结构参数和真实值相距甚远。本文提出一种基于距离约束的SAR图像舰船目标旁瓣去除方法,提出方法首先基于矩技术对目标方位角进行估计;然后利用获取的方位角将目标旋转至水平方向并提取目标主轴;最后通过比较舰船两侧到主轴的最大距离和平均距离对目标图像进行迭代,实现目标旁瓣去除。基于弹载和星载SAR图像舰船目标切片数据的实验结果表明,提出的方法能够有效去除旁瓣杂波,进而有利于获取精确的舰船几何结构特征。 | 杨龙顺 郭鹏程 王晶晶 冯超 | 2023 | 火控雷达技术2023，52，1： | 0 |
| 16 | SAR-AIRcraft-1.0:高分辨率SAR飞机检测识别数据集显示文摘针对合成孔径雷达(SAR)图像中飞机散射点离散以及背景强干扰造成虚警的问题,该文提出了一种结合散射感知的SAR飞机检测识别方法。一方面,通过上下文引导的特征金字塔模块来增强全局信息,减弱复杂场景中强干扰的影响,提高检测识别的准确率。另一方面,利用散射关键点对目标进行定位,设计散射感知检测模块实现对回归框的细化校正,增强目标的定位精度。为了验证方法有效性、同时促进SAR飞机检测识别领域的研究发展,该文制作并公开了一个高分辨率SAR-AIRcraft-1.0数据集。该数据集图像来自高分三号卫星,包含4,368张图片和16,463个飞机目标实例,涵盖A220,A320/321,A330,ARJ21,Boeing737,Boeing787和other共7个类别。该文将提出的方法和常见深度学习算法在构建的数据集上进行实验,实验结果证明了散射感知方法的优异性能,并且形成了该数据集在SAR飞机检测、细粒度识别、检测识别一体化等不同任务中性能指标的基准。 | 王智睿 康玉卓 曾璇 汪越雷 张汀 孙显 | 2023 | 雷达学报(中英文)2023，12，4： | 0 |
| 17 | 跨模态域自适应SAR图像舰船检测与识别显示文摘针对合成孔径雷达(SAR)数据成像质量差和标注不足的问题,提出一种跨模态域自适应端到端的SAR图像舰船目标检测与识别方法.首先,针对SAR舰船检测中目标特征辨识度低和背景信息复杂度高的问题,设计了融合多尺度特征和局部上下文信息及背景抑制来改进兴趣区域变换网络(RoITransformer)的特征表达能力;然后,针对SAR数据属性标签标注困难及样本缺乏的问题,设计了域适应模块在全局和实例级别实现对齐特征,将属性知识从光学数据跨模态迁移到SAR数据上.自建了近岸区域高分辨率SAR舰船数据集(HRSSRD),结果表明:所提方法在HRSSRD上实现了88.5%的检测精度,在舰船检测和军民识别任务上具有良好的性能. | 宋玉成 李景润 田甜 田金文 | 2022 | 华中科技大学学报(自然科学版)2022，50，11： | 0 |
| 18 | 星载SAR系统灵敏度对舰船分类影响的研究显示文摘针对不同星载SAR系统灵敏度下的SAR图像舰船分类准确率不同的问题,文中提出了一种系统灵敏度对舰船分类影响的研究方法。采用所提出的基于背景像素填充的目标旋转数据扩充方法,并结合微调卷积神经网络模型对舰船进行分类。同时降低图像的信噪比以等效获得不同系统灵敏度的数据集,再分析其灵敏度对舰船分类的影响。仿真结果表明,随着系统灵敏度的降低,舰船分类准确率的下降趋势逐渐变缓,且当最差系统灵敏度降为-13.58 dB时,准确率可达到75%。因此,所提方法可应用于舰船分类对星载SAR系统灵敏度的需求分析,而仿真结果也为低系统灵敏度的星载SAR舰船分类提供了参考。 | 张骁 吕继宇 赵爽 吴羽纶 | 2023 | 电子设计工程2023，31，6： | 0 |
| 19 | A novel vision-based multi-task robotic grasp detection method for multi-object scenes显示文摘Grasping a specified object from multi-object scenes is an essential ability for intelligent robots.This ability depends on the affiliation between the grasp position and the object category.Most existing multi-object grasp detection methods considering the affiliation rely on object detection results,thus limiting the improvement of robotic grasp detection accuracy.This paper proposes a decoupled single-stage multitask robotic grasp detection method based on the Faster R-CNN framework for multi-object scenes.The designed network independently detects the category of an object and its possible grasp positions by using one loss function.A new grasp matching strategy is designed to determine the relationship between object categories and predicted grasp positions.The VMRD grasp dataset is used to test the performance of the proposed method.Compared with other grasp detection methods,the proposed method achieves higher object detection accuracy and grasp detection accuracy. | Yanan SONG Liang GAO Xinyu LI Weiming SHEN Kunkun PENG | 2022 | Science China(Information Sciences)2022，65，12： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员