eWaSR - 一种嵌入式计算就绪的海上障碍物检测网络
提出了一种新颖的感知辅助无线边缘计算 (SAWEC) 范式来解决基于深度神经网络 (DNNs) 的算法在移动虚拟现实 (VR) 系统中进行复杂计算机视觉任务的问题,SAWEC 通过利用对物理环境的认知来减少端到端延迟和整体计算负担,通过仅传输和处理为服务提供方交付相关数据的视频帧的部分来实现,实验证明 SAWEC 相对于现有的无线边缘计算方法,在减少信道占用和端到端延迟方面分别提高了 93.81% 和 96.19%,同时相对于现有技术的无线边缘计算方法,在实例分割性能方面提高了 46.98%。
Feb, 2024
应用 EfficientDET 和无监督 RX 光谱分类器两个计算机视觉系统在 Wu-Murad 野外搜救努力中,对 98.9GB 的无人机图像的挑战进行详细说明,并确定了未来研究的 3 个方向。
Jul, 2023
通过引入小波变换卷积神经网络方法,利用 Sentinel-1 SAR-C 双极化数据获取了印度西部沿海区域海洋监视和海事监测中的船舶检测,并获得了 95.46% 的检测准确率,进而实现了对海洋船舶的自动监测和外来船只的识别。
Apr, 2023
提出了一种名为 UWB 辅助安全步行(UASW)的新颖实时辅助系统,旨在通过障碍物检测并提醒用户实时情况来确保道路上行人的安全,该系统利用了嵌入在智能手机中的脉冲无线超宽带(IR-UWB)雷达,通过使用短脉冲提供出色的距离分辨率和高抗噪性,借助基于规则的障碍物检测和基于人工神经网络(ANN)的障碍物分类将复杂的通道冲击响应(CIR)数据融合在一起,通过实时采集的数据分析了提出的 UASW 系统的性能,结果表明该系统实现了高达 97% 的障碍物检测准确率和高达 95% 的障碍物分类准确率,推进了 UASW 在帮助分散注意力的行人和提高他们的情境意识方面的有效性。
Nov, 2023
使用 WV-Net 模型和对比自监督学习方法,使用近 1000 万个 WV 模式图像进行训练,在估计浪高、气温和多标签分类等多个下游任务中表现出优越性能,并且在无监督图像检索任务中也展现出卓越性能,显示了 WV-Net 嵌入模型在支持地球物理研究中的潜力。
Jun, 2024
使用卷积神经网络估计无人机遥感获取影像的水域表面高程,并进行了改进,使用线性回归进一步提高准确度,将结果与现有方法进行了比较,得出了具有竞争力的结果。
Jun, 2023
提出了一种适用于不同计算环境下实现不同 3D 架构的弹性和准确的立体匹配网络 (EASNet),并在 Scene Flow 和 MPI Sintel 数据集上证明其优于当前最先进的面向任务过程的 SOTA 架构。
Jul, 2022
提出了一种自适应分散入侵检测和预防系统(AIDPS)用于水下声学传感器网络,该系统可以提高网络的安全性,有效检测水下攻击,并通过实验证明了增量自适应随机森林结合 ADWIN 算法在 One-class 支持向量机异常检测器上提供了最佳性能。
Sep, 2023
使用神经网络对采用船舶作为波浪浮标类比法的海浪状态进行建模,利用船舶运动响应的谱数据,可以高精度地估计明显波高和平均波周期,具有应用前景的海浪状态评估方法。
May, 2022
提出 Deep SESR 方法,支持水下机器人对图像进行同步增强和超分辨,通过多模态目标函数训练,能够支持 2x、3x、4x 空间分辨率的图像恢复,并在 UFO-120 数据集上进行了验证实验。
Feb, 2020