李秋珍
- 作品数：7 被引量：40H指数：3
- 供职机构：武汉数字工程研究所更多>>
- 发文基金：中国人民解放军总装备部预研基金更多>>
- 相关领域：自动化与计算机技术交通运输工程更多>>
- 基于SSD算法的实时无人机识别方法研究被引量：9
- 2019年
- 随着无人机广泛运用给人们带来便利的同时,也带来了一些新问题,如无人机非法入侵、碰撞行人等引发安全隐患,因此需要建立一套对指定区域无人机目标进行实时、准确地识别和监控系统。针对图像中无人机目标快速检测和识别问题,提出了两种基于SSD(Single Shot MultiBox Detector)算法的实时无人机识别方法。一种方法是基于SSD获取视频流中的无人机位置,然后利用ResNet网络提取无人机的深度特征,得到1000维特征向量,最后采用KNN(K-Nearest Neighbor)算法对提取的特征进行分类,得到最终的无人机识别结果;在收集的无人机测试集中识别准确率达到了79%。另一种方法是直接将SSD检测到的无人机目标图像送入到AlexNet网络中进行Fine-tuning(微调),在无人机测试集中识别准确率达到了83.75%。实验结果表明,两种方法都能实现实时无人机识别,且准确性方面第二种方法优于第一种方法。同时采用Storm框架,保证高吞吐量地处理数据。
- 李秋珍熊饶饶王汝鹏祁迪
- 船舶操纵性评估体系构架设计被引量：3
- 2012年
- 针对船舶航行安全和操纵安全的需求,初步设计了船舶操纵性评估系统,给出了系统逻辑框架和评估指标体系。船舶操纵性评估模块是该船舶操纵性评估系统的核心,其评估指标体系由3个一级评估指标和11个二级评估指标组成,层次化特征明显。对部分二级评估指标给出了工程上可行的计算模型和评估准则。最后给出某货船的试验结果,验证了计算模型的实用性。
- 李秋珍刘畅
- 关键词：船舶操纵性
- 通过OCI封装类实现数据库的快速访问被引量：1
- 2010年
- 基于Oracle海量数据库的大型应用开发对系统响应时间提出了越来越高的要求,如何有效地提高Oracle数据库的访问效率,减少系统等待时间成为一个研究热点。介绍一种数据库访问方法OCI(Oracle Call Interface),并通过分析和对比ODBC、JDBC和Pro*C/C++的实现原理,表明OCI在访问Oracle数据库上性能优越性。通过C++类封装OCI,可实现多平台应用系统快速访问Oracle数据库。该类(接口)不仅克服了直接使用OCI过于复杂、不可重用等缺点,同时具有效率高,代码可读性、易维护性和可重用性增强等优点。
- 李秋珍钱辉
- 关键词：数据库数据库接口封装多平台
- 异构数据库数据迁移工具的设计与实现被引量：11
- 2007年
- 异构数据库数据迁移是新型信息系统研制的重点之一。数据迁移就是将数据从一种数据环境移入另一种数据环境,它不仅仅是简单数据转移,还涉及到数据格式转换。在分析数据迁移常用方法基础上,提出一种更有效实现方法,具体实现一个通用异构数据库数据迁移系统。
- 李秋珍李立夏龙红军沈迎春
- 关键词：异构数据库数据迁移数据转换服务数据转换
- 舰载作战系统故障诊断与维修保障技术初探被引量：3
- 2007年
- 舰载作战系统作为舰船进行海上作战指挥的核心系统,必须提供故障诊断与维修保障能力,保证其装备的战备完好性与作战效能。分析舰载作战系统故障诊断与维修保障技术,提出一套有效的实施方案,为新研制的舰船提供参考。
- 龙红军李秋珍李立夏徐海樵
- 关键词：舰载作战系统故障诊断
- 量化编码的分层可通航小世界图算法被引量：1
- 2019年
- 随着大数据和人工智能的高速发展,针对多媒体数据的结构化处理与基于内容的检索受到极大的关注,面对多媒体数据结构化后的海量高维特征向量,如何快速、准确地检索是人工智能处理大规模数据所必须解决的问题。最近提出的分层可通航小世界图HNSW检索算法在多个公开数据集取得了最佳的性能表现,但该算法存在内存开销大的问题。而基于量化编码的检索算法能够压缩数据集向量,大幅度降低内存占用。将量化编码和分层可通航小世界图算法结合,提出了2种基于量化编码改进的HNSW算法,分别是使用标量量化编码向量的HNSWSQ算法和使用乘积量化编码向量的HNSWPQ算法,2种算法使用不同的量化策略存储原始向量编码,以降低内存开销,再通过HNSW算法建立索引达到缩短检索耗时的目的。其中HNSWSQ算法在多个数据集上获得了与HNSW算法相近的查全率和平均检索耗时,而内存开销大幅降低。实验结果表明,HNSWSQ算法在SIFT-1M和GIST-1M数据集上的内存开销比HNSW算法分别降低了45.1%和70.4%。
- 李秋珍白兴强李立夏王赢
- 关键词：标量量化相似性搜索
- 基于卷积神经网络的人脸图像质量评价被引量：12
- 2019年
- 针对人脸识别过程中人脸图像质量较低造成的低识别率问题,提出了一种基于卷积神经网络的人脸图像质量评价模型。首先建立一个8层的卷积神经网络模型,提取人脸图像质量的深层语义信息;然后在无约束环境下收集人脸图像,并通过传统的图像处理方法以及人工筛选进行过滤,得到的数据集用以进行模型参数的训练;其次通过在图形处理器(GPU)上加速训练,得到用于拟合人脸图像到类别的映射关系;最后将输入在高质量图像类别的概率作为图像的质量得分,建立人脸图像的质量打分机制。实验结果表明,与VGG-16网络相比,所提模型准确率降低了0.21个百分点,但是参数规模减小了98%,极大地提高了模型运算效率;同时所提模型在人脸模糊、光照、姿态和遮挡方面都具有较强的判别能力。因此,可将该模型应用在实时人脸识别系统中,在不影响系统运行效率的前提下提高系统的准确性。
- 李秋珍栾朝阳汪双喜
- 关键词：人脸识别卷积神经网络图像质量评价
