카지노 추천 사이트제목 :생성 적대적 네트워크 GAN을 기반으로 한 지상 침투 레이더 이미지 생성에 대한 연구
카지노 추천 사이트 시간 :2020 년 11 월 30 일 오후 19:30
카지노 추천 사이트 위치 :철도 종합 실험 빌딩 308
리포터 :카지노 추천 사이트 feifei
카지노 추천 사이트 요약 :
지상 침투 레이더 (GPR) 프로파일 데이터 획득은 GPR 데이터 분석의 기초입니다. 딥 러닝 기능 추출 또는 지하 대상에 대한 파라미터 반전 계산을위한 교육 데이터 여부에 관계없이 충분한 GPR 데이터가 필요합니다. 데이터 세트가 너무 작 으면 교육 네트워크의 불안정성 및 부정확 한 파라미터 반전 계산과 같은 문제가 발생합니다. 전자기파 신호 및 고르지 않은 지하 매체의 감쇠와 같은 요인으로 인해 GPR 이미지는 종종 왜곡, 오정렬, 누락 등을 경험하여 GPR 데이터의 해석에 특정 어려움을 가져옵니다. 기존 이미지 처리 방법은 그다지 적합하지 않습니다. 현재 공개 GPR 데이터 세트는 거의 없습니다. 실제 측정에서 크고 이질적인 레이더 데이터를 수집하고 저장하는 것은 시간이 많이 걸립니다. GAN (Generative Adversarial Networks)이 딥 러닝을 기반으로 한 새로운 이미지 생성 모델이라는 점을 감안할 때 게임 이론을 기반으로 새로운 교육 방법을 제안합니다. 전통적인 이미지 생성 방법과 비교하여 GAN은 복잡한 데이터 모델링 프로세스를 피하고 강력한 깊은 신경망을 통해 실제 데이터의 데이터 분포에 지속적으로 근사합니다. 이 카지노 추천 사이트는 보조 분류기 GAN (ACGAN) 네트워크의 감독 된 교육 모델과 GPR 데이터 생산 아이디어를 사용하여 WASSERSTEIN GAN-GRADIER 페널티 (WGAN-GP)의 그라디언트 최적화 아이디어를 설명합니다. 네트워크 성능을 향상시키기 위해 세 가지 RESNET 블록 구조 (업 샘플링, 다운 샘플링, 컨볼 루션)를 채택하고 이미지 분류 및 이미지 신뢰의 두 가지 병렬 작업을 완료합니다. 제안 된 GAN 네트워크는 모델 분포를 시뮬레이션하여 GPR 프로파일을 빠르게 생성 할 수 있으며, 이는 복잡한 GPR 데이터 측정 및 시간 소모적 시뮬레이션과 같은 문제를 어느 정도 해결하고 향후 레이더 데이터 수집을위한 새로운 아이디어를 제공합니다.