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
- 基于轻量化改进和模型剪枝的SAR图像飞机目标检测
- 作者： 韩萍 白继睿 周杰龙 程争 来源： 仪器仪表学报 年份： 2025 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR) 轻量化检测网络 飞机目标检测 模型剪枝
- 描述： 基于轻量化改进和模型剪枝的SAR图像飞机目标检测
- 基于轻量化改进和模型剪枝的SAR图像飞机目标检测
- 作者： 韩萍 白继睿 周杰龙 程争 来源： 仪器仪表学报 年份： 2025 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR) 轻量化检测网络 飞机目标检测 模型剪枝
- 描述： 基于轻量化改进和模型剪枝的SAR图像飞机目标检测
- 环境特征与散射特性融合的PolSAR飞机目标检测
- 作者： 韩萍 周波 卢斌 韩宾宾 来源： 系统工程与电子技术 年份： 2020 文献类型 ： 期刊 关键词： 散射特性 极化合成孔径雷达 极化白化滤波 飞机目标检测 环境特征
- 描述： 针对复杂场景下极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像飞机目标检测问题，给出一种融合目标环境特征与散射特性的PolSAR
- 光学遥感图像中的飞机目标检测技术研究综述
- 作者： 祝文韬 谢宝蓉 王琰 沈霁 朱浩文 来源： 计算机科学 年份： 2021 文献类型 ： 期刊 关键词： 机器学习 光学遥感图像 深度学习 飞机目标检测 模板匹配
- 描述： 光学遥感图像中的飞机目标检测技术已被广泛应用于城市规划、航空交通以及军事侦察领域。目前尽管已有大量研究,但仍然存在很多问题亟待解决。文中回顾了该技术研究现状,并从遥感图像目标检测思路出发,将
- 光学遥感图像中的飞机目标检测技术研究综述
- 作者： 祝文韬 谢宝蓉 王琰 沈霁 朱浩文 来源： 计算机科学 年份： 2021 文献类型 ： 期刊 关键词： 机器学习 光学遥感图像 深度学习 飞机目标检测 模板匹配
- 描述： 光学遥感图像中的飞机目标检测技术已被广泛应用于城市规划、航空交通以及军事侦察领域。目前尽管已有大量研究,但仍然存在很多问题亟待解决。文中回顾了该技术研究现状,并从遥感图像目标检测思路出发,将
- 基于多尺度核索引字典的飞机目标检测优化仿真
- 作者： 陈滨 赵建军 杨利斌 王毅 来源： 计算机应用与软件 年份： 2018 文献类型 ： 期刊 关键词： 索引字典 飞机目标检测 多尺度 稀疏表示 核聚类
- 描述： 为进一步提高基于图像稀疏表示的飞机目标检测算法的时间性能与精确度,提出了基于多尺度核索引字典的飞机目标检测算法,分别从超完备字典结构、目标检测分类器结构两方面优化算法。首先引入基于高斯径向核函数的硬
- 遥感图像飞机目标高效搜检深度学习优化算法
- 作者： 郭琳 秦世引 来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 停机坪与跑道分割 深度神经网络 深度学习 飞机目标检测 大幅面遥感图像
- 描述： 为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络(DNN)的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。
- 一种基于改进YOLOv3的遥感影像飞机目标检测算法
- 作者： 袁铭阳 姜挺 王鑫 来源： 测绘科学技术学报 年份： 2020 文献类型 ： 期刊 关键词： 遥感影像 改进YOLOv3 尺度检测 飞机目标检测 NMS算法
- 描述： 一种基于改进YOLOv3的遥感影像飞机目标检测算法
- 基于深度迁移学习的复杂机场场景飞机目标检测方法
- 作者： 钟聃 李铁虎 李诚 来源： 光子学报 年份： 2024 文献类型 ： 期刊 关键词： 深度学习 机场场面 迁移学习 特征金字塔网络 飞机目标检测
- 描述： 提出了一种改进的深度学习模型，旨在解决检测问题。首先基于迁移学习，微调预训练模型，提高了模型在有限的飞机数据集中的特征提取能力。其次，融入调整模块以增加深层特征图的感受野，提升模型的鲁棒性。引入特征金字塔网络，融合不同尺度的特征信息，进一步增强多尺度特征提取能力。最后，优化了检测头，融合轻量化的分类和回归并行分支，平衡了目标检测的准确性和实时性。构建了易于拓展的Aeroplane数据集，并对所提方法进行了实验验证。结果表明，所提模型在单架飞机、相互遮挡的飞机和小飞机的检测中平均精度分别提高了4.9%、4.0%和4.4%。所提方法在不同环境下表现优于其他经典方法，包括各类遮挡和夜间、雾天等复杂场景，具有良好的场景鲁棒性。