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
- 基于CNN-Seq2Seq的航空发动机喘振诊断模型的研究
- 作者： 姚艳玲 袁化成 陆超 唐晓澜 黄爱华 来源： 测控技术 年份： 2022 文献类型 ： 期刊 关键词： 序列到序列 卷积神经网络 故障诊断 发动机喘振
- 描述： 发动机上的多传感器试验数据对模型进行实验，实验结果表明该模型在显著降低模型大小和计算量的同时，在精确率、召回率及F1 Score上仍然获得了94.3%、92.1%、93.2%的表现，同时单次预测耗时仅需2 ms。
- 基于卷积神经网络的航空零件去噪技术
- 作者： 赵安安 郑炜 郭俊刚 来源： 机械设计与制造工程 年份： 2023 文献类型 ： 期刊 关键词： 卷积神经网络 法线估计 计算机辅助设计 点云去噪
- 描述： 为去除在用三维激光扫描技术扫描航空零部件时，因扫描环境、设备等因素带来的大量零件点云噪声，提出基于卷积神经网络的航空零件去噪技术。首先应用经典卷积神经网络预测点云法线信息，然后以此进一步对点云进行位置更新，从而实现点云去噪。经实验证明，与目前的去噪方法相比，所提方法在去噪方面更具优越性。
- 基于改进Faster R-CNN的SAR图像飞机检测算法
- 作者： 李广帅 苏娟 李义红 来源： 北京航空航天大学学报 年份： 2020 文献类型 ： 期刊 关键词： R CNN 上下文信息 Align 浅层特征增强 Faster 飞机检测 ROI
- 描述： 在合成孔径雷达(Synthetic Aperture Radar，SAR)图像分析领域，飞机目标作为一种重要目标，对其的检测越来越受到重视。针对传统SAR图像飞机检测算法需要人工设计特征且鲁棒性较差的问题，提出一种基于改进Faster R-CNN的SAR图像飞机检测算法。本文制作了一个SAR图像飞机数据集SAD(SAR Aircraft Dataset)，以Faster R-CNN为检测框架，利用改进k-means算法设计更合理的先验锚点框，以适应飞机目标的形状特点；借鉴inception模块思想，设计多路不同尺寸卷积核以扩展网络宽度，增强对浅层特征的表达；分析残差网络Layer5层的特征输出具有更大的感受野，对其上采样后进行特征融合以利用更多的上下文信息；同时引入Mask R-CNN算法中提出的RoI Align单元，消除特征图与原始图像的映射偏差。实验结果表明，相比原始的Faster R-CNN算法，本文提出的改进的Faster R-CNN检测算法在SAR图像飞机数据集上平均检测精度提高了7.4%，同时保持了较快的检测速度。
- 基于多结构卷积神经网络的高分遥感影像飞机目标检测
- 作者： 姚相坤 万里红 霍宏 方涛 来源： 计算机工程 年份： 2017 文献类型 ： 期刊 关键词： 特征提取 卷积神经网络 多结构网络 目标检测 高分遥感影像
- 描述： 传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。针对该问题,构建一种多结构卷积神经网络模型(MSCNN)自动学习目标特征。通过改变卷积滤波器尺寸、数量以及网络层数,分别设计4种不同结构的CNN以提取目标从低层、中层到高层不同尺度的特征信息,并将4种CNN输出采用串行方式连接并输入到BP神经网络分类器进行训练。在检测阶段采用滑动窗口方法进行目标搜索。对高分辨遥感影像中飞机的检测实验结果表明,MSCNN在虚警率和召回率上较4种单一结构的CNN具有明显的检测优势,召回率平均提升6%,虚警率平均降低3%。对油罐的检测结果进一步表明,MSCNN可以推广到对遥感影像其他目标的检测。
- 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。