导读:本文包含了对抗与适应论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卷积,神经网络,遥感,场景,歼击机,航空兵,空战。
对抗与适应论文文献综述
王进,王科,闵子剑,孙开伟,邓欣[1]（2019）在《基于迁移权重的条件对抗领域适应》一文中研究指出针对条件对抗领域适应(CDAN)方法未能充分挖掘样本的可迁移性,仍然存在部分难以迁移的源域样本扰乱目标域数据分布的问题,该文提出一种基于迁移权重的条件对抗领域适应(TW-CDAN)方法。首先利用领域判别模型的判别结果作为衡量样本迁移性能的主要度量指标,使不同的样本具有不同的迁移性能;其次将样本的可迁移性作为权重应用在分类损失和最小熵损失上,旨在消除条件对抗领域适应中难以迁移样本对模型造成的影响;最后使用Office-31数据集的6个迁移任务和Office-Home数据集的12个迁移任务进行了实验,该方法在14个迁移任务上取得了提升,在平均精度上分别提升1.4%和3.1%。(本文来源于《电子与信息学报》期刊2019年11期）
滕文秀,王妮,陈泰生,王本林,陈梦琳[2]（2019）在《基于深度对抗域适应的高分辨率遥感影像跨域分类》一文中研究指出提出一种基于深度对抗域适应的高分辨率遥感影像跨域分类方法。利用深度卷积神经网络VGG16(Visual Geometry Group)学习场景影像的深度特征,然后利用对抗学习方法最小化源域和目标域特征分布差异。利用RSI-CB256(Remote Sensing Image Classification Benchmark)、NWPU-RESISC45(Northwestern Polytechnical University Remote Sensing Image Scene Classification)和AID(Aerial Image data set)数据集构建源域数据集,并将UC-Merced(University of California,Merced)和WHU-RS 19(Wuhan University Remote Sensing)两个数据集作为目标域数据集进行实验,实验结果表明,所提方法在目标域数据集没有标签的情况下,能够提高模型对目标域数据集的泛化能力。(本文来源于《激光与光电子学进展》期刊2019年11期）
孙冬梅[3]（2019）在《基于生成对抗网络的域适应表情识别方法研究》一文中研究指出情感在人们日常生活中起到了非常重要的作用,丰富的情感有助于说话人表达自己的思想。人机交互的其中一个目标就是研发自然场景中使用的自动人脸表情识别系统,但实际上,自然环境下的人脸表情图像通常包含多种人脸角度,背景噪声,光照不均,甚至还存在局部遮挡的问题。现阶段的人脸表情识别大多集中在实验室环境下,有人为控制的姿态、光照等条件,这样的数据集采集方便。相反,自然环境下的人脸表情数据集缺少大量标注的样本,而标注大量样本数据的成本极其昂贵,这促使我们建立有效的算法在少量或者没有标注数据的情况下依然能够有效执行。通常利用实验室环境下的数据集等其他相关数据进行迁移学习,因此,如何利用实验室环境下的数据样本帮助自然环境下的数据样本训练模型成为了一个崭新的课题。近年来,生成对抗网络凭借其良好的生成效果而得到广泛应用,因此本文利用生成对抗网络提出两种域适应方法。具体的主要研究内容如下:1)提出标签引导的生成对抗网络表情识别域适应方法。该方法通过在生成模块中引入情感标签条件,能够将实验室环境样本生成符合相应情感标签条件的接近真实自然环境的人脸表情图像,扩充自然环境的人脸表情数据库。生成图像的同时训练表情识别分类器,分类器能够同时学到实验室环境的情感相关特征以及自然环境的情感相关特征,从而提升表情识别率,无须生成完图像再另外训练分类器进行表情识别任务。实验结果显示在自然场景数据库RAF-DB上的七种表情平均识别率提升3%。2)提出基于生成对抗网络的条件对抗域适应方法。该方法在深层网络中嵌入对抗性学习,以学习可分离和可迁移的域适应表示,该方法利用分类器预测中传递的识别信息来辅助对抗域适应。模型的关键是用多线性映射来捕获源域和目标域上的特征表示和分类预测之间的交叉协方差,以提高域判别器的辨别能力,并用熵调整来控制分类器预测的不确定性,以确保可迁移。在实验室环境数据库BU_3DFE与自然场景数据库RAF-DB上的跨库实验上的平均识别结果达到71.3%,比其他主流的域适应方法提升44%。3)设计并实现基于生成对抗网络的域适应表情识别原型系统。采用Matlab进行原型系统的操作界面设计,利用Pytorch与Numpy等python语言框架实现系统的核心算法。原型系统包含图像生成和分类测试两个模块。通过原型系统的实现验证本文所提方法的可用性和有效性。(本文来源于《江苏大学》期刊2019-05-01）
毛潇锋[4]（2019）在《基于对抗学习的深度视觉域适应方法研究》一文中研究指出近年来,随着深度学习和卷积神经网络模型的发展,计算机在视觉任务上(图像分类和识别,目标检测和语义分割等)的能力已经大大提高。深度模型通常需要依赖大量的可用标注数据做训练才能取得很好的效果。然而,对于海量数据的标注是一个费时费力的过程。为了降低标注成本,并且有效利用容易大量获取到的无标注测试数据,域适应技术通过将训练数据域(源域)和测试数据域(目标域)的分布进行对齐,使得训练数据上学习到的知识迁移到测试数据上,从而提高算法的整体性能。本论文将生成式对抗网络(GAN)中的对抗学习思想结合到无监督域适应问题中,在目标域没有标签的前提下,通过对抗训练的方式将源域图像通过一个生成网络转换为逼近目标域的图像,从而将转换后的图像分布和目标域分布对齐,最后根据生成图像和源域对应的标签训练目标分类器,得到在测试数据上有良好性能的模型。基于上述框架,论文提出两种改进算法。首先,提出基于注意力机制的对抗域适应算法。为了保持转换后图像仍然有和源域图像相似的语义,该算法定义了一个不需要额外标签或者掩模标注的语义一致性约束,分别从整体和细节上对图像的语义进行约束。该算法生成的图像不仅在整体上有和源域图像一样的预测标签,同时,在空间细节上,还有相似的注意力区域。受深度学习中视觉注意力对准机制启发,该算法提出的空间细节上的注意力约束提升了源域图像转换后的图像质量和结构稳定性。其次,提出基于Wasserstein距离的对抗域适应算法。该算法使用基于Wasserstein距离的对抗损失代替传统GAN目标函数。该算法直接使用源域和目标域数据分布估计经验Wasserstein距离,可以对源域和目标域差异作出更加准确的估计。基于Wasserstein距离的对抗域适应算法可以提升对抗学习的稳定性并有效改善模式崩塌现象。最后,论文在SVHN-MNIST以及Office-Home Product-Clipart两个域适应任务上评估了所提出的改进算法。实验结果表明,两种改进算法能有效提高生成样本的质量以及目标分类器的识别准确率且均优于现有的域适应算法,如迁移成分分析、域对抗神经网络等。同时,实验结果也表明:基于Wasserstein距离的对抗域适应算法在速度上更胜一筹,而基于注意力机制的对抗域适应算法则可以处理更加复杂的任务且更通用。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
徐红文[5]（2018）在《自适应跳频技术在通信对抗中的应用》一文中研究指出近年来,我国在通信对抗研究过程中逐渐引入了自适应跳频技术,这项技术极大地促进了通信对抗技术的研究,本文就自适应跳频技术在通信对抗中应用的概念介绍及加强通信对抗中自适应跳频技术应用的有效措施两个方面展开了较为细致的探讨。(本文来源于《中国战略新兴产业》期刊2018年36期）
许夙晖,慕晓冬,张雄美,柴栋[6]（2017）在《结合对抗网络与辅助任务的遥感影像无监督域适应方法》一文中研究指出使用机器学习进行遥感影像标注的一个重要前提是有足够的训练样本,而样本的标注是非常耗时的。本文采用了域适应的方法来解决遥感影像场景分类中小样本量的无监督学习问题,提出了结合对抗网络与辅助任务的遥感影像域适应方法。首先建立了基于深度卷积神经网络的遥感影像分类框架;其次,为了学习到域不变特征,在标签分类器的基础上增加域分类器,并使域损失函数在其反射传播时的梯度与标签损失的梯度相反,从而保证域分类器不能区分样本来自于哪个域;最后引入了辅助分类任务,扩充了样本的同时使网络更具泛化能力。试验结果表明,本文方法优于主流的无监督域适应方法,在小样本遥感影像无监督分类中得到了较好的效果。(本文来源于《测绘学报》期刊2017年12期）
倪光辉[7]（2017）在《问鼎“金头盔”的背后》一文中研究指出军队是要准备打仗的，一切工作都必须坚持战斗力标准，向能打仗、打胜仗聚焦。——摘自党的十九大报告要着力强化战斗队思想，落实战斗力标准。要着力创新战争和作战筹划，紧跟战争形态和作战方式演变，紧贴作战任务、作战对手、作战环境，大兴作战问题研(本文来源于《人民日报》期刊2017-11-26）
王晓鹤[8]（2017）在《美军加快部署适应强对抗环境远程反舰导弹》一文中研究指出2016年，美国国防部国防高级研究计划局（DARPA）向美海军移交了AGM-158C“远程反舰导弹”（LRASM）项目成果，此后该项目将主要由美国海军投资和管理。AGM-158C计划于2018年、2019年分别配装美空军B-1B远程轰炸机和美海军F/A-(本文来源于《中国航空报》期刊2017-03-18）
任飞,一文,周超锋[9]（2015）在《致偏诱爆：铸造现代防护工程“软猬甲”》一文中研究指出核心提示 孙子曰：“善守者，藏于九地之下；善攻者，动于九天之上，故能自保而全胜也。”“打击敌人、保护自己”是战争制胜的首要法则和至高追求。信息化条件下，保护重点战略目标免受精确制导武器打击，成为现代军事攻防作战的重要课题。(本文来源于《解放军报》期刊2015-10-06）
汪洋,王向晖,赵伊宁,张华栋,杜以林[10]（2015）在《适应下一代侦察对抗打击一体化系统的对抗技术》一文中研究指出分析了国外下一代侦察、对抗和打击一体化系统的发展趋势和装备特点,在此基础上提出了适应下一代侦察、对抗和打击一体化系统需求的对抗技术。(本文来源于《航天电子对抗》期刊2015年04期）
对抗与适应论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出一种基于深度对抗域适应的高分辨率遥感影像跨域分类方法。利用深度卷积神经网络VGG16(Visual Geometry Group)学习场景影像的深度特征,然后利用对抗学习方法最小化源域和目标域特征分布差异。利用RSI-CB256(Remote Sensing Image Classification Benchmark)、NWPU-RESISC45(Northwestern Polytechnical University Remote Sensing Image Scene Classification)和AID(Aerial Image data set)数据集构建源域数据集,并将UC-Merced(University of California,Merced)和WHU-RS 19(Wuhan University Remote Sensing)两个数据集作为目标域数据集进行实验,实验结果表明,所提方法在目标域数据集没有标签的情况下,能够提高模型对目标域数据集的泛化能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
对抗与适应论文参考文献
[1].王进,王科,闵子剑,孙开伟,邓欣.基于迁移权重的条件对抗领域适应[J].电子与信息学报.2019
[2].滕文秀,王妮,陈泰生,王本林,陈梦琳.基于深度对抗域适应的高分辨率遥感影像跨域分类[J].激光与光电子学进展.2019
[3].孙冬梅.基于生成对抗网络的域适应表情识别方法研究[D].江苏大学.2019
[4].毛潇锋.基于对抗学习的深度视觉域适应方法研究[D].哈尔滨工程大学.2019
[5].徐红文.自适应跳频技术在通信对抗中的应用[J].中国战略新兴产业.2018
[6].许夙晖,慕晓冬,张雄美,柴栋.结合对抗网络与辅助任务的遥感影像无监督域适应方法[J].测绘学报.2017
[7].倪光辉.问鼎“金头盔”的背后[N].人民日报.2017
[8].王晓鹤.美军加快部署适应强对抗环境远程反舰导弹[N].中国航空报.2017
[9].任飞,一文,周超锋.致偏诱爆：铸造现代防护工程“软猬甲”[N].解放军报.2015
[10].汪洋,王向晖,赵伊宁,张华栋,杜以林.适应下一代侦察对抗打击一体化系统的对抗技术[J].航天电子对抗.2015
论文知识图
