机译:应用卷积和经常性神经网络使用地面穿透雷达数据埋设威胁检测
Univ Louisville CECS Dept Multimedia Res Lab Louisville KY 40292 USA;
Univ Louisville CECS Dept Multimedia Res Lab Louisville KY 40292 USA;
Univ Louisville CECS Dept Multimedia Res Lab Louisville KY 40292 USA;
Univ Louisville CECS Dept Multimedia Res Lab Louisville KY 40292 USA;
Ground penetrating radar; Feature extraction; Computed tomography; Antenna arrays; Recurrent neural networks; Deep learning; Explosives; Buried threat detection (BTD); convolutional neural networks (CNNs); ground penetrating radar (GPR); recurrent neural networks (RNNs);
机译:深度卷积神经网络在探地雷达图像中的目标检测以及通过迁移准备图像集
机译:使用深卷积神经网络和图像设置通过迁移的地面穿透雷达图像中的对象检测
机译:基于三维卷积神经网络的地下对象分类,使用三维地面穿透雷达数据
机译:将卷积神经网络应用于探地雷达中掩埋威胁检测的一些良好做法
机译:使用探地雷达自动识别用于掩埋威胁检测的训练和测试数据
机译:卷积神经网络在多个公共数据集跌倒检测评估中的应用研究
机译:关于在中国监督算法中选择训练和测试数据的研究 埋地威胁探测的探地雷达数据
机译:基于分层神经网络的探地雷达数据处理系统。 CH / 1049/6的年终报告:神经网络与遗传算法相结合的应用,以优化寒冷气候下的土壤清理作业