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
- 基于特征解耦的少样本遥感飞机图像增广算法
- 作者： 刘牧云 卞春江 陈红珍 来源： 计算机工程与应用 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像 数据增广 变分自编码器 特征解耦 小样本学习 图像生成
- 描述： 差异性大的特性提出了一种基于特征解耦的小样本图像生成方法 FD-VAE，并在FAIR1M-Aircraft和MAR20两个细粒度遥感飞机数据集上进行测试，与多种先进的图像生成方法相比，FD-VAE
- 基于SKNet注意力机制的飞机类型识别算法
- 作者： 舒振宇 秦昊 来源： 中南民族大学学报(自然科学版) 年份： 2024 文献类型 ： 期刊 关键词： 数据增广 SKNet注意力 飞机类型识别
- 描述： SKNet注意力与数据增广的飞机类型识别算法.以ResNeXt101网络作为基础网络，改进CBAM注意力提出并行的通道-空间注意力PCSA并嵌入可选择卷积模块的不同分支，得到PCSA-SK注意力，将其
- 基于改进关系网络的小样本红外空中目标分类方法
- 作者： 金璐 刘士建 王霄 李范鸣 来源： 光学学报 年份： 2021 文献类型 ： 期刊 关键词： 元学习 成像系统 小样本学习 红外图像 空中目标分类
- 描述： 的小样本学习模型。Infra-aircraft dataset上的实验结果表明:所提方法在仅有个位数样本的情况下,可完成多种机型的地对空红外图像分类任务。
- 基于改进关系网络的小样本红外空中目标分类方法
- 作者： 金璐 刘士建 王霄 李范鸣 来源： 光学学报 年份： 2021 文献类型 ： 期刊 关键词： 元学习 成像系统 小样本学习 红外图像 空中目标分类
- 描述： 的小样本学习模型。Infra-aircraft dataset上的实验结果表明:所提方法在仅有个位数样本的情况下,可完成多种机型的地对空红外图像分类任务。
- 基于通道注意力机制的小样本SAR飞机图像分类方法
- 作者： 赵一铭 王佩瑾 刁文辉 孙显 邓波 来源： 南京大学学报(自然科学) 年份： 2024 文献类型 ： 期刊 关键词： 元学习 SAR图像分类 通道注意力模块 预训练 小样本学习
- 描述： 和预训练模块对模型的性能均有一定的提升效果.通过对比实验，证明和当前常用的小样本学习方法相比，构建的分类方法能在SAR图像分类中获得较高的准确率，在第一组实验的5-way 1-shot实验中得到的分类精度提高了5.9%，在5-way 5-shot实验中提高了1.92%.
- 基于通道注意力机制的小样本SAR飞机图像分类方法
- 作者： 赵一铭 王佩瑾 刁文辉 孙显 邓波 来源： 南京大学学报(自然科学) 年份： 2024 文献类型 ： 期刊 关键词： 元学习 SAR图像分类 通道注意力模块 预训练 小样本学习
- 描述： 和预训练模块对模型的性能均有一定的提升效果.通过对比实验，证明和当前常用的小样本学习方法相比，构建的分类方法能在SAR图像分类中获得较高的准确率，在第一组实验的5-way 1-shot实验中得到的分类精度提高了5.9%，在5-way 5-shot实验中提高了1.92%.
- 基于改进YOLOv4算法的遥感图像飞机目标检测
- 作者： 王惠中 文学 来源： 计算机与数字工程 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像 特征融合 目标检测 YOLOv4
- 描述： 针对在遥感图像上对飞机目标检测的精度低问题，论文通过对PANet特征融合网络结构的加深使得YOLOv4算法对小目标的检测更加敏感，进而提高算法的平均检测精度；另外，利用K-means++算法产生
- 基于改进YOLOv8的遥感图像飞机目标检测研究
- 作者： 张德银 赵志恒 谢逸戈 黄少晗 来源： 自动化应用 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像 目标检测 飞机目标 YOLOv8算法
- 描述： 为解决遥感图像飞机目标检测时易出现检测精度低与漏检误检等问题，提出了一种基于YOLOv8算法的遥感图像飞机目标检测改进算法。首先，将坐标注意力机制模块嵌入卷积模块中，使其能提取复杂背景下的飞机小目标
- 基于半监督学习的遥感飞机图像检测方法
- 作者： 杜泽星 殷进勇 杨建 来源： 激光与光电子学进展 年份： 2019 文献类型 ： 期刊 关键词： 遥感图像 目标检测 半监督学习 生成式对抗网络
- 描述： 针对现有的基于深度学习的遥感飞机图像检测方法,在训练时需要大量的带标记数据集和较长的训练时间,本文提出了一种基于生成式对抗网络的半监督学习方法。采用两种粒度的深度卷积生成式对抗网络,分别提取了待检测目标的边缘特征信息和深层语义特征。通过结合两种粒度的生成式对抗网络的判别器网络模型,设计了目标检测网络模型。实验结果表明,本文所设计的这种半监督学习训练方法有着更快的收敛速度,并且在训练时需要的标记样本更少。