首页>
根据【关键词:风险识别预警,飞行员异常行为,Pose,目标检测,YOLOv4,Open】搜索到相关结果 93 条
-
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:
的适应对凸台检测中小目标、结构复杂的特点,通过聚类分析的方法调整先验框尺寸,同时对原始数据集使用Mosaic方法进行数据增强。实验结果表明,改进后的YOLOv4模型在检测精度上提高了15.85%,召回率提高了21%,平均交并比可达0.75,检测性能优于在同一数据集中使用的SSD目标检测算法。
-
基于CenterNet的航空遥感图像目标检测
-
作者:
杨曦中
高冠鸿
熊智
张玲
来源:
航空电子技术
年份:
2022
文献类型 :
期刊
关键词:
目标检测
深度学习
神经网络
CenterNet
-
描述:
为实现高精度的航空图像目标检测,将Anchor free的目标检测算法CenterNet应用到检测中,同时使用Resnet50主干网络,并引入CIoU损失替代原有损失函数对网络模型做出了改进。改进后
-
基于注意力机制的航空图像旋转框目标检测
-
作者:
常洪彬
李文举
李文辉
来源:
吉林大学学报(理学版)
年份:
2022
文献类型 :
期刊
关键词:
航空图像
注意力机制
目标检测
深度学习
-
描述:
,并预测粗糙包围盒与分类分数;最后采用特征对齐和改进的Fast R-CNN检测头进行精细化处理,进一步提升检测精度,得到最后的分类和回归结果.实验结果表明,该方法在公开航空遥感数据集DOTA上的检测精度达到77.71%,优于其他先进的旋转框目标检测方法.
-
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:
的适应对凸台检测中小目标、结构复杂的特点,通过聚类分析的方法调整先验框尺寸,同时对原始数据集使用Mosaic方法进行数据增强。实验结果表明,改进后的YOLOv4模型在检测精度上提高了15.85%,召回率提高了21%,平均交并比可达0.75,检测性能优于在同一数据集中使用的SSD目标检测算法。
-
基于CenterNet的航空遥感图像目标检测
-
作者:
杨曦中
高冠鸿
熊智
张玲
来源:
航空电子技术
年份:
2022
文献类型 :
期刊
关键词:
目标检测
深度学习
神经网络
CenterNet
-
描述:
为实现高精度的航空图像目标检测,将Anchor free的目标检测算法CenterNet应用到检测中,同时使用Resnet50主干网络,并引入CIoU损失替代原有损失函数对网络模型做出了改进。改进后
-
基于注意力机制的航空图像旋转框目标检测
-
作者:
常洪彬
李文举
李文辉
来源:
吉林大学学报(理学版)
年份:
2022
文献类型 :
期刊
关键词:
航空图像
注意力机制
目标检测
深度学习
-
描述:
,并预测粗糙包围盒与分类分数;最后采用特征对齐和改进的Fast R-CNN检测头进行精细化处理,进一步提升检测精度,得到最后的分类和回归结果.实验结果表明,该方法在公开航空遥感数据集DOTA上的检测精度达到77.71%,优于其他先进的旋转框目标检测方法.
-
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。