首页>
根据【关键词:起落架安全销,YOLOv5,深度学习,目标检测,坐标注意力】搜索到相关结果 162 条
-
基于YOLOv5的航空维修工具识别
-
作者:
丁发军
刘韶坤
刘义平
来源:
中国民航飞行学院学报
年份:
2023
文献类型 :
期刊
关键词:
目标检测算法
YOLOv5
工具识别
航空维修
-
描述:
基于YOLOv5的目标检测算法,对图像进行采集、打标、训练,检测了YOLOv5图像识别的精度。结果表明:对于变形小、无重影图像的识别精度高达0.92,对于显示模糊、内容扭曲的图像识别精度为0.76
-
基于改进YOLOv5的SAR图像飞机目标细粒度识别
-
作者:
张武
刘秀清
来源:
国外电子测量技术
年份:
2024
文献类型 :
期刊
关键词:
YOLOv5
合成孔径雷达
飞机目标细粒度识别
-
描述:
对网络进行重构,加入小目标检测层,改善小目标的漏检问题,提高目标定位精度。其次,在颈部网络中引入极化自注意力机制(polarized self attention, PSA),并使用双边特征金字塔结构
-
基于改进YOLOv5的航空发动机表面缺陷检测模型
-
作者:
李鑫
李香蓉
汪诚
李秋良
李卓越
来源:
激光与光电子学进展
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
航空发动机
机器视觉
YOLOv5
表面缺陷检测
-
描述:
训练效果的提升;其次在Backbone网络中引入坐标注意力机制,在通道注意力的基础上嵌入坐标信息,提高对小缺陷目标的检测能力;最后将YOLOv5的定位损失函数改进为EIoU loss,在加快模型收敛
-
基于改进YOLOv5的飞机舱门识别与定位方法研究
-
作者:
张长勇
郭聪
李玉洲
张朋武
来源:
计算机测量与控制
年份:
2024
文献类型 :
期刊
关键词:
舱门识别与定位
YOLOv5
机场特种车辆
自动靠机
三维定位
-
描述:
角点的像素,利用空间几何关系,实现了对舱门准确的三维定位。实验结果表明,改进后的YOLOv5算法mAP达到96.5%,相比原有算法提升了5.6%。在舱门前方19 m和1 m处时,实时最大定位误差分别为0.15 m和0.01 m,能够满足特种车辆靠机完成后与舱门保持5~10 cm的安全距离要求。
-
基于航空图像的目标检测算法Trans_YOLOv5
-
作者:
文青
伍欣
敖斌
李宽
殷建平
来源:
计算机技术与发展
年份:
2024
文献类型 :
期刊
关键词:
航空图像
Transformer
YOLOv5
圆形平滑标签
小目标检测
Swin
-
描述:
角度回归问题转换为分类问题,提高角度标签检测的精度。针对航空图像小目标检测问题,将Swin Transformer集成于YOLOv5框架中,提升模型对小目标的检测效果,并配合注意力机制模块,提高全局表征
-
基于生成对抗网络的半监督遥感图像飞机检测
-
作者:
陈国炜
刘磊
郭嘉逸
潘宗序
胡文龙
来源:
中国科学院大学学报
年份:
2021
文献类型 :
期刊
关键词:
生成对抗网络
目标检测
半监督学习
-
描述:
遥感图像上的飞机目标检测是一件极富挑战性的工作,吸引了广大研究者的兴趣。基于人工神经网络的方法是当前遥感图像飞机目标检测的主流方法,这类方法要求人工标记大量的数据用于训练。对训练图像的人工标注工作
-
基于生成对抗网络的半监督遥感图像飞机检测
-
作者:
陈国炜
刘磊
郭嘉逸
潘宗序
胡文龙
来源:
中国科学院大学学报
年份:
2021
文献类型 :
期刊
关键词:
生成对抗网络
目标检测
半监督学习
-
描述:
遥感图像上的飞机目标检测是一件极富挑战性的工作,吸引了广大研究者的兴趣。基于人工神经网络的方法是当前遥感图像飞机目标检测的主流方法,这类方法要求人工标记大量的数据用于训练。对训练图像的人工标注工作
-
基于YOLOv4的航空发动机叶片凸台目标检测
-
作者:
陈为
钟欣童
张婧
李泽辰
来源:
计算机仿真
年份:
2022
文献类型 :
期刊
关键词:
数据增强
目标检测
叶片凸台检测
聚类分析
-
描述:
针对航空发动机内部检测叶片凸台缺陷的问题,提出了一种基于YOLOv4(You Only Look Once)的目标检测算法。算法使用迁移学习加载了在coco公开数据集上训练的预训练模型权重,为了更好
-
基于改进候选区域网络的红外飞机检测
-
作者:
姜晓伟
王春平
付强
来源:
激光与红外
年份:
2019
文献类型 :
期刊
关键词:
聚类
红外飞机
卷积神经网络
目标检测
-
描述:
为较好地解决防空武器成像系统对空中红外飞机的检测问题。首先简要地概括了卷积神经网络的兴起和应用,其次在引入基于深度学习的目标检测模型Faster R-CNN的基础上,详细地介绍了经典K-means
-
基于军事飞机图像结合FCN的目标检测技术应用
-
作者:
张春雷
来源:
电子测试
年份:
2019
文献类型 :
期刊
关键词:
特征提取
全卷积神经网络
目标检测
-
描述:
图像分割是图像识别和目标检测的重要工作,军事图像目标检测与准确分割是分析军事目标的核心工作。针对这一工作,本文将全卷积神经网络(全卷积神经网络)应用在军事飞机图像的目标获取上,通过全卷积神经网络强大的特征提取和识别能力,准确获取目标区域,对分析图像信息提供参考性意义。