许光銮
- 作品数：48 被引量：56H指数：4
- 供职机构：中国科学院电子学研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术交通运输工程电子电信文化科学更多>>
- 基于三元组语义关系学习的航拍遥感图像变化检测方法
- 本公开提供一种基于三元组语义关系学习的航拍遥感图像变化检测方法，包括：步骤A：构建基于三元组语义关系学习的双路深度神经网络模型；步骤B：利用训练数据集训练双路深度神经网络模型；步骤C：基于测试数据集和训练后的双路深度神经...
- 陈克明张梦雅许光銮闫梦龙
- 文献传递
- 基于MRNSSD模型的遥感图像中飞机目标检测方法被引量：2
- 2018年
- 飞机检测一直是遥感图像分析领域的研究热点之一,遥感领域现有的检测方法检测流程复杂,难以实现整体优化,同时对于背景复杂的区域或者飞机密集停靠的区域检测精度较低。针对上述问题,本文提出一种基于MRNSSD(Multiscale Residual Network Single Shot Detector)模型的端到端的飞机目标检测方法。该方法通过一个前置的深度残差网络提取目标特征,后面再连接由多个卷积层构成的子网络对目标进行检测和定位。本文检测方法融合多个特征层的信息,同时设计一系列候选框的长宽比,以实现不同规格飞机的精准检测。本文的检测方法将所有检测流程整合在一个网络中,完全摒弃了繁琐的候选框提取阶段,更加简洁高效。实验结果表明,在场景复杂的遥感图像中,该方法能够达到较高的检测精度。
- 宋萍许光銮周沿海郭智闫梦龙张益霏
- 关键词：遥感图像
- 基于深度形状先验的遥感图像目标精细化提取方法
- 本发明提供了一种基于深度形状先验的遥感图像目标精细化提取方法，其特征在于，包括以下步骤：S1：利用深度玻尔兹曼机进行形状先验模型的建模；S2：利用形状先验模型对待测图像进行目标提取。本发明的一种融合深度玻尔兹曼机形状先验...
- 付琨许光銮刁文辉郑歆慰孙显闫梦龙于泓峰窦方正
- 交互式电子会商室的研究被引量：4
- 2004年
- 通过分析现代会商室的模式及优缺点,采用大屏幕显示,结合eBeam平板电脑等现有的手笔自然交互工具,加入最新研究的非接触式激光笔交互手段,提出了交互式电子会商室的新型模型.新模式把会商室内参与者合理划分为近、中、远距离三个不同空间,分别采用eBeam、激光笔、平板电脑三种交互工具实现交互式会商,并可随时变换角色.新模式能够使得会商室交流变得更加直观和高效.
- 许光銮吴一戎彭海良
- 关键词：激光笔平板电脑
- 基于稠密连接神经网络的多尺度SAR图像舰船检测
- 合成孔径雷达(SAR)图像已广泛应用于舰船监视。近年来,深度学习方法开始逐渐应用于SAR图像舰船检测任务中,然而该类方法在处理尺寸较小的舰船时会产生较多漏警,并且对于包括水面和近岸的多场景SAR图像,它不能有效区分近岸复...
- 张跃孙显许光銮付琨
- 关键词：SAR图像舰船检测多尺度神经网络
- 一种对具有旋转角度的目标进行识别的方法
- 本发明提供一种对具有旋转角度的目标进行识别的方法，其根据目标的旋转角度构造旋转模型，并根据旋转模型构造目标函数，采用目标函数对目标进行变换，接着，判断目标变换前后，目标函数值是否收敛，若是，则对变换的后的目标进行识别。本...
- 许光銮付琨孙显闫梦龙孙皓郑歆慰吴斌
- 基于混合神经网络的问题分类方法被引量：2
- 2018年
- 自动问答系统对用户自然语言方式提出的问题,给出快速准确的答案,引起了学术界与工业界的广泛关注。问题分类任务通过自动判断问题类型,对提高问答系统回答问题的准确率具有重要意义。本文利用问题和答案的上下文信息,结合卷积神经网络和循环神经网络各自的优势,提出一种混合深度学习模型。除此之外,为了增强问题特征的表达能力,该模型引入注意力机制,提升模型的泛化能力。在360问答数据集进行对比实验验证,实验表明,本文模型相比于传统方法提升了1.6%~5.6%。
- 陈柯锦许光銮郭智梁霄
- 一种可扩展定义的时空数据统一组织方法
- 一种可扩展定义的时空数据统一组织方法，包括以下步骤：步骤A：根据高分时空数据特征分析，建立自适应扩展的元数据抽象模型；步骤B：高分元数据和实体数据的网格编码和组织关联；步骤C：基于GML规范的可扩展高分时空数据组织，针对...
- 付琨许光銮王楠李峰孙显梁霄郑歆慰刁文辉
- 文献传递
- 大屏幕非接触式控制方式
- 本发明一种大屏幕非接触式控制方式，涉及大屏幕显示的人机交互技术，其技术流程为：1)采用激光笔来控制屏幕操作，实现非接触式控制方式；2)采用带无线鼠标左右键的红色激光笔来控制大屏幕操作的左右按键和光标位置，使系统光标时刻跟...
- 彭海良许光銮周强洪隆昌
- 文献传递
- 受限玻尔兹曼机的稀疏化特征学习被引量：3
- 2016年
- 受限玻尔兹曼机(RBM)作为深度学习算法的一种基础模型被广泛应用,但传统RBM算法没有充分考虑数据的稀疏化特征学习,使得算法性能受数据集的稀疏性影响较大。提出一种RBM稀疏化特征学习方法(sRBM),通过归一化的输入数据均值确定数据集的稀疏系数,将稀疏系数大于阈值的稠密数据集自动转化为稀疏数据集,在不损失信息量的情况下实现输入数据的稀疏化。在手写字符数据集和自然图像数据集上的实验结果表明,sRBM通过输入数据稀疏化有效提升了RBM的稀疏化特征学习性能。
- 康丽萍许光銮孙显
- 关键词：稀疏化稳定性
