面向航空目标检测的神经网络加速器设计

作者： 施立瑞   王帅帅   肖昊   来源： 航空科学技术 年份： 2022 文献类型 ： 期刊 关键词： 卷积神经网络   FPGA   目标检测   Winograd算法   加速器  

描述： 卷积神经网络被广泛应用于航空图像目标检测领域。然而，由于航空图像成像背景环境复杂、目标尺寸小且方向任意，为了提取更高层次的特征信息，神经网络模型的结构复杂度不断提高，使得模型计算复杂度高、计算时间长，从而难以满足航空目标检测的实时性需求。本文提出了一种面向航空目标检测的基于Winograd算法的神经网络加速器，通过Winograd卷积算法可大幅减少卷积计算中的乘法数量，并针对Winograd卷积在神经网络计算中由于时域变换引入额外加法计算的问题，提出了一种深流水的矩阵变换计算结构，通过复用加法计算的中间结果以及调整运算顺序减少输入和输出变换的计算量。同时，针对加速器的现场可编程门阵列（FPGA）实现，提出了一种高效的数据流形式和DSP阵列结构。试验结果表明，本文提出的加速器相比CPU和GPU分别获得了32倍和2.6倍的速度提升。

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

基于深度学习的航空铆钉分类及异常情况检测

作者： 夏正洪   何琥   吴建军   魏汝祥   来源： 中国安全生产科学技术 年份： 2023 文献类型 ： 期刊 关键词： 召回率   精确率   深度学习   目标检测   航空铆钉  

描述： 针对航空铆钉小目标检测准确率较低、速率较慢等问题，提出1种基于深度学习的航空铆钉分类及异常情况检测方法。首先，根据钉头外观对航空铆钉进行分类，制作航空铆钉数据集；然后，构建航空铆钉分类及异常情况检测

光学遥感图像飞机目标识别算法

作者： 胡楠   李润生   王载武   来源： 影像技术 年份： 2020 文献类型 ： 期刊 关键词： 遥感图像   R   CNN   飞机识别   深度学习   Faster  

描述： 光学遥感图像中蕴含着大量信息,更新速度非常快。使用人工方法对光学遥感图像进行判读和目标的识别显然早已达不到现代社会各领域的需求。实时、高效地从光学遥感图像中识别出感兴趣目标具有非常重要的意义。本文对基于人工智能的图像飞机识别研究现状进行了总结,方便后续学者研究。

遥感图像飞机目标分类的卷积神经网络方法

作者： 周敏   史振威   丁火平   来源： 中国图象图形学报 年份： 2017 文献类型 ： 期刊 关键词： 卷积神经网络   深度学习   可见光遥感   飞机   分类  

描述： 分类问题。方法在缺乏公开数据集的情况下,收集了真实可见光遥感图像中的8种飞机数据,按大致4∶1的比例分为训练集和测试集,并对训练集进行合理扩充。然后针对遥感图像与飞机分类的特殊性,结合深度学习卷积

基于深度学习的离场航空器滑行时间预测（英文）

作者： 李楠   焦庆宇   朱新华   王少聪   来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   场面运行   滑行时间   深度学习   航空运输  

描述： 随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。