变压器与卷积编码器结合使用，最近已使用微型多普勒特征用于手势识别（HGR）。我们为HGR提出了一个基于视觉转换器的架构，该体系结构具有多腹腔连续波多普勒雷达接收器。所提出的架构由三个模块组成：一个卷积编码器，带有三个变压器层的注意模块和一个多层感知器。新型的卷积解码器有助于将具有较大尺寸的斑块喂入注意力模块，以改善特征提取。用与两种抗连续波多普勒雷达接收器相对应的数据集获得的实验结果（Skaria等人出版）证实，所提出的体系结构的准确性达到了98.3％，从而实质上超过了现状的阶段。 - 在使用的数据集上进行艺术。
translated by 谷歌翻译
在空中/卫星图像分析（遥感）的许多应用中，对象的精确形状的产生是一个麻烦的任务。在诸如计数对象的大多数遥感应用中，只需要对象的位置估计。因此，在空中/卫星图像中定位对象质心是一种容易解决物体的精确形状而不是必需的解决方案。因此，本研究侧重于评估使用深神经网络来定位卫星图像中对象质心的可行性。我们的模型的名称是质心 - UNET。质心 - UNET模型基于经典U-Net语义分段架构。我们修改并调整了U-Net语义分段架构的质心检测模型，保留了原始模型的简单性。此外，我们已经测试并评估了我们的模型，其中包括涉及空中/卫星图像的两种案例研究。这两种案例研究正在建立质心检测案例研究和椰子树心脏检测案例研究。与其他方法相比，我们的评估结果达到了良好的准确性，并且还提供简单性。本研究下开发的代码和模型也可在Centroid-UNET Github存储库中提供：https://github.com/gicait/centroid- inet
translated by 谷歌翻译