英文字典中文字典


英文字典中文字典51ZiDian.com



中文字典辞典   英文字典 a   b   c   d   e   f   g   h   i   j   k   l   m   n   o   p   q   r   s   t   u   v   w   x   y   z       







请输入英文单字，中文词皆可：


请选择你想看的字典辞典：
单词字典翻译
secar查看　secar　在百度字典中的解释百度英翻中〔查看〕
secar查看　secar　在Google字典中的解释Google英翻中〔查看〕
secar查看　secar　在Yahoo字典中的解释Yahoo英翻中〔查看〕

安装中文字典英文字典查询工具!


中文字典英文字典工具:
选择颜色:
输入中英文单字

































































英文字典中文字典相关资料:


  • 面向复杂场景的多通道慢速动目标稳健检测算法
    针对鲁棒主成分分析 (RPCA)算法在多通道慢速地面动目标指示 (GMTI)中存在的高虚警以及对通道误差敏感问题，该文提出一种数据重构与速度合成孔径雷达 (VSAR)-RPCA联合处理的方法。
  • 面向复杂场景的多通道慢速动目标稳健检测算法-期刊-万方数据 . . .
    针对鲁棒主成分分析 (RPCA)算法在多通道慢速地面动目标指示 (GMTI)中存在的高虚警以及对通道误差敏感问题,该文提出一种数据重构与速度合成孔径雷达 (VSAR)-RPCA联合处理的方法 首先,通过样本挑选与联合像素法完成通道间数据精确重构;然后结合VSAR检测
  • 面向复杂场景的多通道慢速动目标稳健检测算法-【维普期刊 . . .
    首先,通过样本挑选与联合像素法完成通道间数据精确重构;然后结合VSAR检测模式提出一种新的RPCA优化模型,通过采用交替投影乘子法对其进行求解得到空间频域的稀疏矩阵,进一步利用动目标与强杂波残余在空间频域通道的分布特性差异实现强杂波残余剔除与动
  • 动态物体检测 | 复杂环境下多目标动态物体实时检测算法实现 . . .
    本文从动态物体检测的技术难点出发，系统阐述复杂环境下多目标检测的算法框架，重点分析传感器融合、运动模型预测、实时优化等关键技术模块，并结合具体实现案例，为 开发者 提供可落地的解决方案。
  • 复杂场景的运动目标视频检测关键算法研究及系统实现 . . .
    论文在分析视频监控系统的算法模块的构成及其关系的基础上，描述了实际应用的复杂环境中视频监控关键算法研究现状，解析了关键算法存在的问题和遇到的难点，进而提出了相关算法或优化方案，关键算法研究主要包括基于灭点估计的路面ROI区域提取、动态背景下基于视觉背景建模 (VIBE)的运动前景检测、相机抖动下基于运动信息分布的运动前景检测、基于色彩比和纹理恒定性的阴影检测与剔除等，并予技术实现及相关系统应用，诸如“船联网”系统、安全监测系统。
  • 时空相关多通道聚类的运动目标检测 - 物理学报
    针对某些光照变化、噪声不稳定等多模态场景不适合离线训练背景模型来提取目标信息的问题, 在基于混合高斯的背景建模的基础上, 利用帧间差分与邻域相似性实现模型初始参数的选取; 提出将随机子采样与邻域空间传播理论相结合改进参数更新过程; 在时间维度上建立观测向量, 实现模型参数的优化, 加快模型收敛速度; 并将颜色信息和梯度相融合实现基于多特征的多通道背景模型的建立, 采用背景点的随机采样策略简化多通道模型建立的计算量, 最终实现复杂环境下的运动目标的检测 实验表明, 算法在抑制鬼影、动态背景和遮挡等方面有良好的检测性能, 且执行效率能够满足实时计算的需求
  • 一种强杂波背景下多通道ATI-SAR最优融合的动目标检测方法
    本发明可用于在ati-sar系统中，检测强杂波背景下的低信噪比慢速小目标。 背景技术： 1、ati-sar系统通过在平台运动航迹方向上配置两个或多个sar成像通道，以实现对同一场景的多帧sar图像观测，是多通道sar系统的一种特殊形式。 相比单通道系统，多通道系统增加了信号的空间自由度，能够更有效地抑制杂波，从而提升低信杂比动目标的检测性能。 然而，在复杂场景和系统误差的影响下，多通道系统在杂波自适应抑制过程中会产生严重的信噪比损失，导致杂波抑制能力下降。 因此，现有的多通道ati-sar系统在空域自由度利用方面仍然不足，特别是在强杂波背景下，低信噪比下的慢速目标检测仍然存在较大困难。
  • 基于深度学习的ViSAR多运动目标检测
    该方法首先设计了一种从零开始深度学习的网络模型，实现动目标阴影的单帧检测。 为了提高检测性能的鲁棒性，采用了基于卡尔曼滤波和逐帧数据关联的多目标跟踪算法跟踪动目标。 实测数据处理结果表明该方法具有良好的检测性能。
  • 面向复杂场景的多通道慢速动目标稳健检测算法
    基于上述问题，本文提出一种基于数据重构与 VSAR-RPCA联合处理的稳健慢速动目标检测算 法，所提方法可以分为两步：首先，引入广义内积 与联合像素法来实现通道间图像的精确配准与均 衡，不仅可以降低通道误差带来的影响，而且有效 解决联合像素
  • 动态物体检测 | 复杂环境下多目标动态物体实时检测算法实现 . . .
    本文将从算法设计、模型优化、工程实现三个层面，系统阐述如何实现复杂环境下的多目标动态物体实时检测。 动态物体包括行人、车辆、动物等，其形状、大小、运动模式差异显著。 例如，行人运动具有非刚性（肢体动作多变），而车辆运动更规则但易受视角影响。 算法需适应多类别目标的特征表达。 光照变化：强光、逆光、阴影会导致目标特征丢失。 遮挡问题：部分或完全遮挡会中断目标跟踪链。 运动模糊：高速运动目标可能产生拖影，降低检测精度。 背景干扰：动态背景（如摇曳的树叶）易被误检为目标。 实时检测需满足帧率要求（如自动驾驶需≥30FPS），对算法计算效率提出严格限制。 传统方法将检测与跟踪分离，但复杂环境下易丢失目标。





中文字典-英文字典  2005-2009