TPAMI, 2023 | 用压缩隐逆向神经网络进行高精度稀疏雷达成像

最新推荐文章于 2024-07-31 09:30:00 发布
最新推荐文章于 2024-07-31 09:30:00 发布
阅读量1.2k 收藏 1
点赞数
分类专栏： # 无线感知/雷达成像论文速递 # 论文阅读 文章标签： TPAMI 雷达成像 稀疏雷达成像
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qazwsxrx/article/details/132309334
版权
本文提出CoIR方法，结合稀疏天线阵列设计和隐式神经网络，实现高精度的毫米波雷达稀疏成像。在减少硬件需求的同时，克服采样不足导致的成像问题，有效抑制混叠假象，适用于静态和动态场景。
摘要由CSDN通过智能技术生成

CoIR: Compressive Implicit Radar | IEEE TPAMI, 2023 | 用压缩隐逆向神经网络进行高精度稀疏雷达成像

注1:本文系“无线感知论文速递”系列之一,致力于简洁清晰完整地介绍、解读无线感知领域最新的顶会/顶刊论文(包括但不限于Nature/Science及其子刊;MobiCom, Sigcom, MobiSys, NSDI, SenSys, Ubicomp;JSAC,雷达学报等)。
本次介绍的论文是:<2023, IEEE TPAMI, CoIR: Compressive Implicit Radar>
文章DOI: 10.1109/TPAMI.2023.3301553。

关键词:雷达成像,稀疏傅里叶变换,隐逆向神经网络,压缩感知
在这里插入图片描述

1 引言

随着毫米波技术的发展,毫米波雷达作为一种新型的成像方法,备受关注。与传统成像设备如摄像机和激光雷达相比,毫米波雷达的最大优势在于可以穿透烟尘等严重的环境条件,从而获得高质量的图像。 但是,毫米波雷达也面临角分辨率低的问题。为了提高角分辨率,一种思路是增加天线阵列的口径大小,但这将带来天线耦合、功耗增加、读出带宽增大

了解本专栏 订阅专栏 解锁全文 超级会员免费看
R.X. NLOS
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
TPAMI 2024 | 正则化损失与超参数估计在弱监督单类分割中的应用
小白学视觉
07-18 971
Regularized Loss With Hyperparameter Estimation for Weakly Supervised Single Class Segmentation 正则化损失与超参数估计在弱监督单类分割中的应用 作者：Zongliang Ji; Olga Veksler 摘要 我们提出了一种新的图像级弱监督分割方法，适用于只含有单一感兴趣对象类别的数据集。我们的方法基于经典条件随机场（CRF）建模启发的正则化损失函数。我们的损失模型了通用对象的属性，并用它引导CNN朝向更可能对
TPAMI 2023 | 图神经网络在分布外图上的泛化
Paper weekly
11-14 555
©作者 |范少华单位 |北邮 GAMMA Lab近日，北京邮电大学 GAMMA Lab 与清华大学合作的论文“Generalizing Graph Neural Networks on Out-Of-Distribution Graph”被人工智能顶级期刊 IEEE TPAMI（影响因子 23.6）接收，图神经网络的分布外泛化能力决定了其在实际应用中的稳定性，是近年来的研究热点，该论文的初始版...
毫米波雷达成像论文阅读笔记： IEEE TPAMI 2023 | CoIR: Compressive Implicit Radar
NLOS的博客
08-18 720
背景稀疏阵列雷达can方法：提出目标：Leverages贡献：✅设计稀疏线阵：✅提出ComDecoder✅证明了CoIR的有效性：in both simulation and real-world experiments，且 不需要 auxiliary sensors实验结果。
TPAMI 2022 | 利用子图同构计数提升图神经网络的表达能力
Paper weekly
10-28 1013
©作者 |桑士龙来源 | MIND Laboratory论文标题：Improving Graph Neural Network Expressivity via Subgraph Isomorphism Counting论文地址：https://arxiv.org/pdf/2006.09252.pdf论文介绍尽管图神经网络（GNNs）在很多的应用中都取得了很大的成绩，但是最近研究发现 GNNs ...
TPAMI 2024 | 模型真正关注的是什么？：提取面向模型的概念以解释深度神经网络
最新发布
小白学视觉
07-31 1020
模型可解释性是构建可信AI系统的关键要素之一，特别是在需要可靠性的应用中，例如自动驾驶和诊断。文献中已经研究了许多可解释性方法。在众多方法中，本文专注于一种研究线，尝试通过发现模型学习到的概念来直观解释预训练的图像分类模型，例如卷积神经网络，这被称为基于概念的解释。先前基于概念的解释方法依赖于人类对概念的定义（例如，Broden数据集）或像Slic（简单线性迭代聚类）这样的语义分割技术。然而，我们认为这些方法识别的概念可能更符合人类的视角或被分割方法裁剪，而不是纯粹反映模型自身的视角。
TPAMI 2023 | Temporal Perceiver：通用时序边界检测方法
TechBeat人工智能社区博客
11-03 256
在这篇工作中，我们为不同语义粒度的自然边界检测提出了一个通用检测框架 Temporal Perceiver (TP)。TP 基于 Transformer Decoder 结构提出了一个有效的边界检测管线，为任意自然边界的检测提供了统一的网络结构。我们的核心贡献在于使用交叉注意力模块和一个 latent query 集合来将冗余的视频输入压缩到一个固定大小的隐空间里，以降低复杂度到线性。
TPAMI 2020 | 高分辨率网络对计算机视觉任务的影响
Paper weekly
09-27 881
©PaperWeekly 原创 ·作者｜李凯学校｜清华大学硕士生研究方向｜多模态机器学习、计算机视觉概要论文标题：Deep High-Resolution Representatio...
TPAMI 2022 | 自动搜索文本识别网络的高性能特征提取器
Paper weekly
11-27 712
©PaperWeekly 原创 ·作者 |陈卓群单位 |清华大学论文标题：Searching a High Performance Feature Extractor for Text Recognition Network收录情况：TPAMI论文链接：https://ieeexplore.ieee.org/document/9887897代码链接：https://github.com/Au...
TPAMI 2023 特刊征稿 | 大规模多模态学习
我爱计算机视觉
12-07 577
关注公众号，发现CV技术之美本文转自TsinghuaC3I。Large-Scale Multimodal Learning: Universality, Robustness, Efficiency, and BeyondTPAMI Special IssueCALL FOR PAPERS主旨近年来，由于互联网的高速发展和各种智能设备的涌现，通过互联网传输的多模态数据日益增多，因此出现了越来...
压缩感知图像matlab代码-DeSCI:快照压缩成像（TPAMI'19）的等级最小化
05-20
压缩感知图像matlab代码解压缩快照压缩成像（DeSCI） 该存储库包含用于论文的快照压缩成像等级最小化（ IEEE Transactions on Pattern Analysis and Machine Intelligence 2019）的MATLAB代码，分别为，，，和（*...
用卷积滤波器matlab代码-TPAMI_Gait_Identification:关于“使用深度神经网络进行人体步态识别的事件流表示法”的仓库
05-21
Wang，赵光荣，崔丽珍，崔红珍，温宏开等人使用深层神经网络进行人体步态识别的事件流表示的代码。 可以找到该文件。 介绍 在本文中，我们基于事件流的两种不同表示（即图和类似图像的表示）提出了基于事件的步态...
matlabt-CTV算法的公开代码，主要在TPAMI 2023发表的论文《保证张量恢复融合低秩和平滑》中提出.zip
05-15
《保证张量恢复融合低秩和平滑》是2023年在TPAMI（模式分析与机器智能顶级期刊）上发表的一篇重要论文，该论文介绍了一种创新的矩阵和张量恢复算法——matlabt-CTV算法。这篇论文的主要贡献在于提出了一个结合低秩性...
2005_TPAMI_FeaSelection_mRMR.pdf
03-17
为了验证算法的有效性，作者进行了大量的实验比较，使用了三种不同的分类器（朴素贝叶斯、支持向量机和线性判别分析）以及四个不同的数据集（手写数字、心律失常、NCI癌症细胞系和淋巴瘤组织）。 实验结果表明，...
TPAMI-FCT论文
03-07
- **压缩追踪**：对前景目标和背景样本图像进行压缩处理，使用相同的稀疏测量矩阵。 - **分类器训练**：通过朴素贝叶斯分类器在压缩域中进行二元分类，并在线更新分类器参数。 - **搜索策略**：采用粗到细的搜索...
光电倍增管PMT (photomultiplier tube) 原理、结构和特性总结
热门推荐
NLOS的博客
11-26 2万+
在学习单光子计数器的时候涉及到了外光电效应和光电倍增管。 为了对外光电效应和光电倍增管有更深刻的印象，故参考下面的论文写了本文。 王海科,吕云鹏.光电倍增管特性及应用[J].仪器仪表与分析监测,2005(01):1-4. 光电倍增管的理论基础 光电子发射效应(外光电效应):光照在照在光电材料上，材料表面的电子吸收的能量，若电子吸收的能量足够大，电子会克服束缚逸出表面，从而改变光电子材料的导电性，这种现象成为外光电效应。 二次电子发射：二次电子发射是指用电子流或离子流轰击物体表面，使之发射电子..
论文阅读 激光测距综述|| Laser ranging: a critical review of unusual techniques for distance measurement
NLOS的博客
11-24 4819
原始论文： Markus-Christian Amann, Thierry M. Bosch, Marc Lescure, Risto A. Myllylae, Marc Rioux, "Laser ranging: a critical review of unusual techniques for distance measurement," Opt. Eng. 40(1) (1 January 2001)https://doi.org/10.1117/1.1330700 激光测距：一种不寻常的.
论文阅读 视频生成(vid2vid) || Few-shot Video-to-Video Synthesis
NLOS的博客
12-20 2564
论文原文： Ting-Chun Wang, Ming-Yu Liu, Andrew Tao, Guilin Liu, Jan Kautz, and Bryan Catanzaro. "Few-shot Video-to-Video Synthesis", in NeurIPS, 2019. https://nvlabs.github.io/few-shot-vid2vid/main.pdf 论文地址： https://nvlabs.github.io/few-shot-vid2vid/ ..
论文阅读 激光脉冲主动非视距成像+深度学习 || Learned Feature Embeddings for Non-Line-of-Sight Imaging and Recognition
NLOS的博客
12-12 2438
论文原文： Wenzheng Chen, FangyinWei, Kiriakos N. Kutulakos, Szymon Rusinkiewicz, and Felix Heide. 2020. Learned Feature Embeddings for Non-Line-of-Sight Imaging and Recognition. ACM Trans. Graph. 39, 6, Article 230 (December 2020), 18 pages. https://doi.org/1
10.1109/tpami.2023.3235415
11-20
10.1109/tpami.2023.3235415是一个科学论文的DOI（数字对象标识符），涉及的领域是计算机视觉和模式识别。 这篇论文是由IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)在2023年发表的。...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

R.X. NLOS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值