导读:本文包含了目标识别技术论文开题报告文献综述及选题提纲参考文献，主要关键词:目标监测与识别,无监督学习,跨领域识别
目标识别技术论文文献综述
周丽丽,杜寅甫[1]（2019）在《无监督条件下跨领域目标识别关键技术研究》一文中研究指出人工智能与机器识别技术的发展加快了社会的进步,传统机器学习的方法并不适用于所有的环境,这就要求目标识别算法能够在半监督或无监督情况下进行训练。本文提出基于结构化联合分布适配的无监督大样本跨领域目标识别算法模型。为实现无监督少样本条件下的跨领域目标识别提供新的思路与方法。(本文来源于《自动化技术与应用》期刊2019年11期）
刘俊,姜涛,徐小康,田胜,李亚辉[2]（2019）在《基于轻量化深度网络的舰船目标识别技术研究》一文中研究指出针对海上多平台资源受限条件下的舰船目标识别任务,提出一种基于轻量化深度网络的舰船目标识别方法,通过深度可分离卷积及多尺度语义信息融合等进行改进。设计了嵌入式平台应用背景下的轻量化舰船目标识别方法,在自建目标数据集保证top5准确率达到93.5%情况下,实现了模型参数量与计算量的大幅度削减。证明了该网络在低功耗资源受限情况下能够有效完成舰船目标识别任务。(本文来源于《无线电工程》期刊2019年12期）
张笑宇[3]（2019）在《混合现实的目标识别技术和YOLO算法的对比》一文中研究指出针对混合现实技术中存在的识别距离过短、识别时间过长等问题,利用深度学习中的YOLO算法在目标检测上有着很快处理速度和很长识别距离的优点,尝试把YOLO算法的优势结合到混合现实技术中,以提高混合现实的工作效率,提出了一种技术方案。通过对混合现实的特征点匹配技术和深度学习的YOLO算法的比较,借助深度学习YOLO算法快速识别和远距离识别的优点来改进混合现实的识别技术,从而使混合现实技术达到减少特征点匹配的时间、增加识别距离、更容易识别叁维物体等目的。(本文来源于《微处理机》期刊2019年05期）
章业成[4]（2019）在《水声目标识别技术的现状与发展》一文中研究指出本文通过国内外水声目标识别特点及现状分析,从而发现目前国内多种水声目标识别方法存在的问题,并对上述问题进行分析,针对单一识别方法的局限性给出常用目标综合识别算法模型,将多传感器和多方法的目标识别结合成一个系统,从而更高效和准确地识别水声目标。(本文来源于《电子技术与软件工程》期刊2019年18期）
刘杉坚,张宁燕,贾源泉[5]（2019）在《基于LINK4A信号暂态特征的目标识别技术》一文中研究指出Link 4A数据链是美海军普遍使用的一种战术信号,该数据链的用户主要为美大型舰船,获取这些目标的身份信息对感知战场态势有很大帮助。在研究Link 4A数据链的信号结构基础上,通过对该信号启动位的暂态特征进行研究,提出基于时频谱奇异值的舰船目标识别方法,并进行了试验验证。实验结果表明,该脉冲暂态特征可满足目标个体识别的差异性、稳定性和检测性要求,能够用于Link 4A数据链的个体识别。(本文来源于《电子信息对抗技术》期刊2019年05期）
张龙,张翔,孟新秀[6]（2019）在《基于图像的舰船目标识别技术研究》一文中研究指出舰船作为人类在探索海洋活动中的首要工具,它的自动识别检测技术显得尤为重要。本文在分析舰船识别技术国内外现状和发展趋势的基础上,针对目前大部分舰船目标检测与识别的研究中存在的图像训练样本规模较小、检测和识别是两个独立的过程、只利用单一数据源进行检测、性能较低的问题展开技术研究,提出了一种基于图像和人工智能的舰船目标识别方法,来提升目标检测与识别的整体性能。(本文来源于《2019年全国公共安全通信学术研讨会优秀论文集》期刊2019-08-15）
程玉胜,邱家兴,刘振,李海涛[7]（2019）在《水声被动目标识别技术挑战与展望》一文中研究指出低频水声探测和船舶减振降噪技术发展,使得传统水声目标识别技术性能逐渐下降。该文分析了声呐工作带宽、探测频率、船舶减振降噪给识别技术带来的挑战。针对低频声呐广泛使用的低频线谱识别,研究了低频线谱的识别能力问题;针对智能识别技术发展,研究了深度学习技术在船舶辐射噪声识别中的应用问题,并给出了数据试验结果,文章最后指出了水声被动目标识别技术亟需开展的研究内容和方向。(本文来源于《应用声学》期刊2019年04期）
廖洪万,肖俊平[8]（2019）在《广域电磁法油气目标识别技术探究》一文中研究指出文章首先对广域电磁法原理展开了阐述,提出地质特征的特殊性和数据采集方法,并对广域电磁法油气目标识别技术进行了分析,旨在通过对广域电磁法的深入研究与探讨,实现油气勘探上的新突破,从而提高油气勘探领域的社会效益和经济效益。(本文来源于《地球》期刊2019年07期）
邱垚[9]（2019）在《基于3D目标识别的工业机器人无序分拣技术研究》一文中研究指出近几年,大量的工业机器人被应用于装配制造等环节,使得公司生产过程的自动化水平不断提高,这也使得公司的生产模式由传统的以人力为主导转变为以机器人为主导,这种模式的改变大大提高了产品的生产效率,降低了生产成本,同时减小了某些恶劣的生产环境对工人身体上造成的危害。在机器人作业过程中,如何对随意堆放的零部件或者货物进行准确的抓取,成为目前研究的热点问题。这个过程中主要涉及到目标零部件的位姿信息获取等问题,本文设计了基于3D目标识别的工业机器人无序分拣系统来对以上问题进行实验研究,具有一定的研究意义及实用价值。本文主要的研究工作如下:(1)设计了无序分拣平台方案。本文中机器人的编程方法与传统的示教及离线编程的方法不同,本文方法需要事先用相机对待分拣物体进行视觉检测来获取目标物体的位姿信息,所以要先根据环境以及待分拣物体的具体信息对分拣系统的硬件进行选型,对整个系统的流程及方案进行设计,设计的系统应满足厘米级的抓取要求。(2)研究了Kinect相机与ABB 1200机器人构成的机器人视觉系统的标定问题。本文确定Kinect相机与机器人的连接为眼在手外的安装方式,使用MATLAB对Kinect相机自身进行标定,得到每幅标定图像的误差、总体的平均误差以及相机自身的参数;之后,再对机器人与相机构成的Eye-to-hand系统进行手眼标定,得到相机坐标系与机器人基坐标系的位置关系。(3)研究了随意堆放的多个目标物体的位姿估计问题。本文先将相机采集到的点云信息进行预处理,采用RANSAC算法对多个目标物体的载物平面进行拟合并去除,并用同样的方法提取模板;然后,用聚类分割算法对多个目标物体进行分割,使用OUR-CVFH特征根据目标物体所呈现的多种不同视角对其进行分类;接着,使用SHOT特征将模板与目标物体进行初步匹配,再使用ICP算法来进行进一步的点云配准;最终,结合手眼标定结果,便可对目标物体进行位姿估计。(4)完成了整个无序分拣系统的实验平台搭建,进行多个目标物体多次无序分拣实验验证,并对实验结果进行分析。目标物体位姿估计的结果与实际的位置误差为5mm左右,验证了系统方案及方法的可行性,能够完成对多个随意堆放的目标物体的抓取与摆放,使机器人进行厘米级的无序分拣任务,满足系统的设计要求。(本文来源于《西安理工大学》期刊2019-06-30）
胡振宇[10]（2019）在《基于目标识别的光电多传感器信息融合技术》一文中研究指出依靠多个光电传感器采集目标数据,需要解决各类数据信息的融合分析问题。基于这种认识,从特征提取、融合和识别等方面,对基于目标识别的光电多传感器信息融合技术展开分析,介绍了技术应用前景,指出需要采用不同算法完成不同光电传感器特征信号提取,同时,通过融合计算得到融合特征量,为目标识别提供信息数据支撑,确保准确识别目标。(本文来源于《信息与电脑(理论版)》期刊2019年11期）
目标识别技术论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对海上多平台资源受限条件下的舰船目标识别任务,提出一种基于轻量化深度网络的舰船目标识别方法,通过深度可分离卷积及多尺度语义信息融合等进行改进。设计了嵌入式平台应用背景下的轻量化舰船目标识别方法,在自建目标数据集保证top5准确率达到93.5%情况下,实现了模型参数量与计算量的大幅度削减。证明了该网络在低功耗资源受限情况下能够有效完成舰船目标识别任务。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
目标识别技术论文参考文献
[1].周丽丽,杜寅甫.无监督条件下跨领域目标识别关键技术研究[J].自动化技术与应用.2019
[2].刘俊,姜涛,徐小康,田胜,李亚辉.基于轻量化深度网络的舰船目标识别技术研究[J].无线电工程.2019
[3].张笑宇.混合现实的目标识别技术和YOLO算法的对比[J].微处理机.2019
[4].章业成.水声目标识别技术的现状与发展[J].电子技术与软件工程.2019
[5].刘杉坚,张宁燕,贾源泉.基于LINK4A信号暂态特征的目标识别技术[J].电子信息对抗技术.2019
[6].张龙,张翔,孟新秀.基于图像的舰船目标识别技术研究[C].2019年全国公共安全通信学术研讨会优秀论文集.2019
[7].程玉胜,邱家兴,刘振,李海涛.水声被动目标识别技术挑战与展望[J].应用声学.2019
[8].廖洪万,肖俊平.广域电磁法油气目标识别技术探究[J].地球.2019
[9].邱垚.基于3D目标识别的工业机器人无序分拣技术研究[D].西安理工大学.2019
[10].胡振宇.基于目标识别的光电多传感器信息融合技术[J].信息与电脑(理论版).2019