摘要：模型评估是评判卷积神经网络模型性能的重要手段,多用于卷积神经网络模型的设计、对比和应用过程。然而,现有的模型评估方法大多需要使用测试数据运行模型得到相关评估指标,当测试数据因隐私、版权与保密等原因无法获取时难以发挥作用。为了解决此问题,提出了一种数据无关的卷积神经网络模型评估方法,其利用特征手性的相关特性,通过计算卷积核之间的距离来确定模型的评估指标。所提方法利用不同卷积神经网络模型的性能表现与卷积核距离之间的负相关性,验证了在不使用测试数据的情况下,直接利用模型参数评估模型相对性能排名的可行性与有效性。对比实验表明,使用欧氏距离测度来评估AlexNet, VGGNets, ResNets, EfficientNets这4类包括17个卷积神经网络的模型精度时,该模型评估方法的盲评准确性高,能够较好地完成模型评估任务。

摘要：边缘检测是图像特征提取的关键技术之一。为强化所提取的边缘特征,设计一种联合Otsu算法和多尺度细节增强的策略对传统Canny算法进行改进。首先针对高斯滤波模糊图像细节的不足,利用多尺度细节增强算法对遥感图像进行处理,增强图像的细节信息,降低高斯算法的影响;然后针对传统Canny算法的人为选择阈值带来的不足,利用Otsu算法进行自适应阈值选择,以提高算法的适应性。实验证明,在主观视觉效果以及客观评价指标下,所设计的改进方法对于不同场景的图像边缘特征增强都具备良好的效果。

摘要：针对部队训练管理中训练数据难采集、采集后无统计分析等问题,采用数据挖掘、数据仓库等技术对军事训练时间、人员、内容、质量等内容进行汇总分析检索。在分析军事训练数据建设现状的基础上,围绕需求分析、架构设计、系统实现等方面对军事训练数据分析系统进行设计和研究。运行结果表明:该系统能够满足功能需求,可显著提高军事训练水平。

摘要：视频与任务数据记录设备是一种非常重要的用于记录飞机飞行训练时各项数据以便训后分析的设备,遥控操作台是整个设备的控制中心。过去普遍采用的遥控操作台功能较为单一,无法快速响应用户命令且无法对视频中的重点部分进行回放。设计并实现了一种遥控操作台,可以快速响应用户命令,实时监控视频与任务数据记录系统中各硬件状况,并且与之前系统保持较好的兼容性,系统得以在多个机型中使用。

摘要：实现了视频与任务数据记录系统。视频任务数据记录系统的核心是任务数据记录模块应用软件,该应用软件基于天脉653操作系统的分区进行设计,通过ARINC 429和RS422总线与存储模块、采集器、遥控操作台等组件进行通信。该系统完成了航电系统的任务数据和视频数据的采集及记录功能,提高了航空电子系统的可靠性和可维护性。

摘要：针对目前基于机器学习解决高分辨率遥感影像建筑物提取鲁棒性差并且难以充分挖掘深层次特征的问题,对比了当前较为普遍的深度学习语义分割方法,以平均精度、类别精度、F1分数及交并比(Io U)作为精度衡量指标,全面分析了3种算法的性能。结果表明,选择精度较高的Deep Labv3plus架构分类算法,能够获得更为精确的像素级建筑物提取结果,总体精度可提升2%,Io U提高3%,能够充分表达建筑物细节信息。本文提出了融合多源数据的样本制作方法,设计了大规模遥感影像训练样本的智能采集和标注方法,选取某地区像素级建筑物标准数据集遥感图像进行实验,结果表明,该方法制作的样本库接近真值训练结果。