베트남 카지노 제목 :딥 러닝을 기반으로 한지면 침투 레이더 에코 데이터에서 목표 탐지 및 정확한 위치에 대한 연구
베트남 카지노 시간 :2020 년 11 월 26 일 오후 19:30
베트남 카지노 위치 :철도 종합 실험 건물308
报 告 사람 :베트남 카지노 feifei
베트남 카지노 요약 :
최근 몇 년 동안, 지상 침투 레이더는 전 세계 고속도로 분야에서 널리 사용되었으며, 주로 포장 두께 감지, 재료 평가 및 포장 질병 조사에 사용되었습니다. 주요 고속도로 국가로서 고속도로는 현재 호황을 누리고 있습니다. 도로 조건 평가를 위해지면 침투 레이더를 완벽하게 사용해야합니다. 도로 표면이 숨겨지면 질병이 나타나면 유지 보수의 효과와 경제성이 제한되기 때문입니다. 따라서 레이더 탐지 기술을 사용하여 잠재적 인 도로 표면 문제를 적시에 발견하고 가능한 빨리 유지하는 것은 도로 표면의 서비스 수명을 개선하고 유지 보수 비용을 절약하는 데 큰 의미가 있습니다. 지하 매체의 복잡성으로 인해 데이터 수집은 이상적이거나 사용할 수 없습니다. 전통적인 방법은 전문가의 판단에 의존하며 매우 주관적입니다. 자동화 된 실시간 객체 감지 알고리즘을 설계하는 것이 시급합니다. 이 베트남 카지노는 개선 된 딥 러닝 프레임 워크 및 레이더 신호 기능 추출의 이론적 기초를 기반으로지면 형성 레이더 에코 데이터 목표 탐지 및 파라미터 반전의 응용 배경을 설명하고, 지상 침투 레이더 에코 데이터의 특성을 분석하여 유용한 정보를 얻어더 빠른 RCNN 딥 러닝 프레임 워크는 대상 쌍곡선 라인을 감지 한 다음 감지 된 대상을 분류합니다. 처음에 대상 위치를 프레임 한 후, 듀얼 클러스터 검색 평가 알고리즘은 대상 클러스터링 및 비 표적 클러스터링을 포함하여 포인트 클러스터링을 얻기 위해 프레임 대상 영역을 분할하도록 설계되었습니다. 다음으로 설계 필터 조건은 대상 클러스터링을 유지하고 간섭 노이즈를 제거합니다. 마지막으로, 자동 피팅 포인트 추출 알고리즘은 후속 쌍곡선 피팅을 위해 최종 대상 클러스터에서 샘플 포인트를 추출하고 정점, 즉 대상의 실제 위치를 얻도록 설계되었습니다. 제안 된 알고리즘의 효과는 시뮬레이션 데이터 및 측정 된 데이터의 교차 검사에 의해 확인됩니다.
