航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

基于深度学习的光学遥感图像飞机检测算法: 作者： 董永峰仉长涛汪鹏冯哲 来源： 激光与光电子学进展 年份： 2021 文献类型： 期刊 关键词： 遥感图像 卷积神经网络图像处理目标检测深度学习 Mask RCNN算法; 描述： 光学遥感图像目标检测一直都是遥感领域研究的热点之一,但现有的检测方法对背景复杂且尺寸较小的目标检测准确率不高。针对以上问题,提出了一种以Mask-RCNN为基础框架的目标检测方法。该算法以ResNet50为特征提取网络并在此基础之上利用特征重用技术来更好地提取目标的语义特征,且针对不同类型的飞机尺寸比例不固定等特点,设计了一组更加合适的候选框尺度集合。实验结果证明,该方法与以往常用的检测算法相比在小物体检测上拥有更高的检测精度。

基于深度学习的光学遥感图像飞机检测算法: 作者： 董永峰仉长涛汪鹏冯哲 来源： 激光与光电子学进展 年份： 2020 文献类型： 期刊 关键词： 遥感图像 卷积神经网络图像处理目标检测深度学习 Mask RCNN算法; 描述： 基于深度学习的光学遥感图像飞机检测算法

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。

一种基于级联神经网络的飞机检测方法: 作者： 王晓林苏松志刘晓颖蔡国榕李绍滋 来源： 智能系统学报 年份： 2021 文献类型： 期刊 关键词： 嵌入式设备 遥感图像 级联卷积神经网络两阶段深度学习飞机检测由粗到细; 描述： 由于旋转角度多样性、极端的尺度差异的影响,遥感图像中的飞机检测目前仍存在挑战。为了解决旋转和尺度的问题,目前的策略是将现有的自然场景下的目标检测算法(如Faster R-CNN、SSD等)直接迁移到遥感图像中。这些算法的主干网络复杂,模型占用空间大,难以应用到低功耗和嵌入式设备中。为了在准确率不降低的情况下提高检测速度,本文提出了一个仅包含9层的卷积神经网络来解决飞机检测问题。该网络采用了由粗到细的策略,通过级联两个网络的方式减少计算开销。为了评估方法的有效性,我们建立了一个针对飞机检测的遥感数据集。实验结果表明,该方法超越了VGG16等复杂的主干网络,达到了接近主流检测方法的性能表现,同时显著降低了参数量并使检测速度提高了2倍以上。

改进YOLO V3遥感图像飞机识别应用: 作者： 郑志强刘妍妍潘长城李国宁 来源： 电光与控制 年份： 2019 文献类型： 期刊 关键词： YOLO Densenet 遥感图像 means 卷积神经网络飞机识别 k V3; 描述： 为了准确识别遥感图像中的飞机,基于YOLO V3算法,通过使用K-means算法对数据集进行聚类分析,借鉴Densenet网络的思想,将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块,改进为一种Dense-YOLO深度卷积神经网络结构。对改进前与改进后的网络进行训练,分别选出使两个网络识别效果最好的权重文件,针对高质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析。实验结果表明,新改进的深度卷积神经网络应用在两种图像上效果均有提升。其中,改进的算法在高质量的遥感图像中准确率高达99.72%,比原始算法准确率提升了0.85%,召回率高达98.34%,召回率提升了1.94%。在低质量遥感图像中准确率高达96.12%,比原始算法准确率提升了5.07%,召回率高达93.10%,召回率提升了19.75%。

< 1 2 >