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。

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： 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。

基于多分辨率遥感影像的飞机检测研究

作者： 侯宇青阳   全吉成   魏湧明   来源： 激光与光电子学进展 年份： 2018 文献类型 ： 期刊 关键词： 显著性提取   遥感影像   目标检测   深度学习  

描述： 结论基础上设计了基于显著性检测算法的遥感图像前期处理算法,算法基于生成的显著性图像生成图像掩膜提取潜在目标区域图像块,进行多尺度放大,增加图像中目标的像素数,提升目标检测率。前期处理算法自适应的进行

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。

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。

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： 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。

基于多分辨率遥感影像的飞机检测研究

作者： 侯宇青阳   全吉成   魏湧明   来源： 激光与光电子学进展 年份： 2018 文献类型 ： 期刊 关键词： 显著性提取   遥感影像   目标检测   深度学习  

描述： 结论基础上设计了基于显著性检测算法的遥感图像前期处理算法,算法基于生成的显著性图像生成图像掩膜提取潜在目标区域图像块,进行多尺度放大,增加图像中目标的像素数,提升目标检测率。前期处理算法自适应的进行

作者： 周文骏     黄硕     张宁     宋传龙     赵宇轩     段一帆     徐国庆   来源： 光学精密工程 年份： 2024 文献类型 ： 期刊 关键词： 注意力机制   目标检测   DETR网络   SAR图像  

描述：

作者： 周文骏     黄硕     张宁     宋传龙     赵宇轩     段一帆     徐国庆   来源： 光学精密工程 年份： 2024 文献类型 ： 期刊 关键词： 注意力机制   目标检测   DETR网络   SAR图像  

描述：

联合目标分割和关键点检测的飞机型号识别

作者： 刘思婷     王庆栋     张力     韩晓霞     王保前     刘玉贤   来源： 遥感学报 年份： 2024 文献类型 ： 期刊 关键词： 关键点检测   分割   目标检测   条件随机场   飞机型号识别  

描述： 目前，受限于数据集精细度与网络结构，深度学习技术仍难以应对飞机目标型号识别这类精细化识别任务。本文针对遥感影像中飞机目标型号识别问题，提出一种融合目标分割与关键点检测的飞机型号识别方法。该方法有机地结合多任务深度神经网络与条件随机场和模板匹配算法，利用“预训练+微调+后处理”的方式实现飞机型号的高精度识别。首先，基于多任务深度神经网络迁移学习技术实现飞机目标物位置、掩膜与关键点信息识别。其次，为了便于后期高精度模板匹配，利用本文提出的融合条件随机场的飞机目标掩膜精化算法和基于关键点的姿态调整算法，实现识别目标的边界精细化与机体姿态调整；最后，在本文构建的飞机型号模板库基础上，将经过精化后处理的飞机掩膜信息与模板库进行匹配，实现飞机目标的型号识别。为了验证所提方法的有效性，本文进行了相关实验，并与传统算法及完全端到端深度学习方法进行了对比，结果表明，本文所提方法具有更高准确率，并且在实用性方面更具优势。