全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
按文献类别分组
按栏目分组
关键词
- 一种用于预测航空遥感影像光谱信息的深度学习方法
- 作者： 郝明达 普运伟 周家厚 杨洋 陈如俊 来源： 遥感信息 年份： 2022 文献类型 ： 期刊 关键词： 高光谱遥感重建 深度学习 密集卷积神经网络 光谱超分辨率 自适应注意力机制
- 描述： 为从航空RGB遥感影像中预测高光谱影像中有用的地物属性信息，提高航空RGB遥感影像光谱的分辨率，提出一种轻量型的深度学习网络模型。所提模型组合了密集卷积神经网络架构和自适应注意力机制的优点，构建
- 通用航空飞行员异常行为检测及预警系统设计与实现
- 作者： 陈农田 满永政 袁浩 董俊杰 宁威峰 李俊辉 来源： 实验室研究与探索 年份： 2022 文献类型 ： 期刊 关键词： 检测预警 深度学习 改进YOLOv3 图像视频采集 驾驶异常行为
- 描述： 捕获，结合改进的YOLOv3深度学习算法开展飞行员异常行为识别检测并建立声音和灯光告警触发机制，实现飞行员异常行为检测预警可视化。通过树莓派将预警信息上传云端，同步实现图像和视频数据实时存储及可追溯性
- 基于二次分解重构策略的航空客流需求预测
- 作者： 栗慧琳 李洪涛 李智 来源： 计算机应用 年份： 2022 文献类型 ： 期刊 关键词： 二次分解重构 多步预测 深度学习 航空客流需求预测 模型匹配
- 描述： 、深圳宝安国际机场和海口美兰国际机场的航空客流数据作为研究对象进行了1步和多步预测实验，实验结果表明，与一次分解集成模型STL-SAAB相比，所提模型的均方根误差（RMSE）提升了14.98
- 航空遥感影像中的轻量级小目标检测
- 作者： 薛雅丽 孙瑜 马瀚融 来源： 电光与控制 年份： 2022 文献类型 ： 期刊 关键词： 小目标 遥感图像 特征融合 深度学习 目标检测
- 描述： 单阶段目标检测算法凭借结构简单、模型高效等特点获得很多研究者及工业界的关注。以现有的YOLO算法为基础，针对遥感图像中目标尺寸小、排列紧密等困难，提出一种提升复杂背景下小目标检测精度的轻量级目标检测方法。该方法引入加权融合特征网络，为每层特征图赋予可在训练中不断学习的权重系数，加强深浅层特征融合。通过引入CIoU损失及模型改进，加快网络收敛速度，使其满足实时性需求。在基于DOTA构建的遥感图像小目标数据集上进行对比实验，结果表明，该方法具有更好的检测精度与检测速度。
- 基于改进YOLOv5的轻量化航空目标检测方法
- 作者： 杨小冈 高凡 卢瑞涛 李维鹏 张涛 曾俊 来源： 信息与控制 年份： 2022 文献类型 ： 期刊 关键词： 注意力 通道剪枝 深度学习 目标检测 模型压缩
- 描述： ，设计通道注意力增强结构MNtECA(MobileNetv3 with Efficient Channel Attention)提高特征提取能力；其次在深度可分离卷积层增加1×1的卷积，在减少卷积结构参数
- 基于改进YOLOv5的轻量化航空目标检测方法
- 作者： 杨小冈 高凡 卢瑞涛 李维鹏 张涛 曾俊 来源： 信息与控制 年份： 2022 文献类型 ： 期刊 关键词： 注意力 通道剪枝 深度学习 目标检测 模型压缩
- 描述： ，设计通道注意力增强结构MNtECA(MobileNetv3 with Efficient Channel Attention)提高特征提取能力；其次在深度可分离卷积层增加1×1的卷积，在减少卷积结构参数
- 时间域航空电磁激发极化参数三维反演研究
- 作者： 满开峰 殷长春 刘云鹤 孙思源 熊彬 来源： 地球物理学报 年份： 2023 文献类型 ： 期刊 关键词： Pearson相关约束 激发极化效应 时间域航空电磁 深度学习 3D反演
- 描述： Pearson相关性约束和深度学习算法相结合的时间域航空电磁激发极化参数反演策略.该反演策略首先基于深度学习预测时间域航空电磁激电参数，进而给时间常数和频率相关系数一个较小的约束范围后再反演电阻率和极化率，由此
- 遥感图像飞机目标高效搜检深度学习优化算法
- 作者： 郭琳 秦世引 来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 停机坪与跑道分割 深度神经网络 深度学习 飞机目标检测 大幅面遥感图像
- 描述： 为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络(DNN)的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。