通用航空安全风险分析研究

作者： 于思璇   来源： 南京航空航天大学 年份： 2019 文献类型 ： 学位论文 关键词： 通用航空   深度学习   对应分析   可拓模型   安全管理   稀疏降噪自编码   风险预测  

描述： 通用航空安全风险分析研究

民用航空发动机剩余寿命预测及维修决策研究

作者： 张曦   来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 维纳过程   剩余寿命   维修等级分析   深度学习   多目视觉   随机集  

描述： 民用航空发动机剩余寿命预测及维修决策研究

基于数据驱动的终端区航空器异常行为检测

作者： 陈丽晶   来源： 南京航空航天大学 年份： 2021 文献类型 ： 学位论文 关键词： 正则化方法   数据驱动   航空器异常行为   深度学习   能量异常   机场终端区   轨迹异常  

描述： 基于数据驱动的终端区航空器异常行为检测

基于深度学习的图像分割方法在通用航空应急救援中的应用研究

作者： 王馨悦   来源： 中国民用航空飞行学院 年份： 2022 文献类型 ： 学位论文 关键词： 鸟群活动图像分割   Net网络   优化U   通用航空应急救援   深度学习   图像分割   危险天气  

描述： 基于深度学习的图像分割方法在通用航空应急救援中的应用研究

基于深度学习的航空图像目标检测

作者： 高子啸   来源： 中北大学 年份： 2021 文献类型 ： 学位论文 关键词： 智能交通管理   图像处理   深度学习   无人机   YOLOv3   车辆检测   Tiny算法  

描述： 基于深度学习的航空图像目标检测

基于LSTM的民航航线客运量和航班票价预测研究

作者： 甘国育   来源： 昆明理工大学 年份： 2021 文献类型 ： 学位论文 关键词： 时间序列   长短期记忆网络   注意力机制   深度学习   客运量   机票价格  

描述： 基于LSTM的民航航线客运量和航班票价预测研究

遥感图像飞机目标检测与识别关键技术研究

作者： 李冠典   来源： 长春理工大学 年份： 2022 文献类型 ： 学位论文 关键词： 飞机目标高效检测   遥感图像   卷积神经网络   深度学习   目标检测   飞机区域识别网络  

描述： 遥感图像飞机目标检测与识别关键技术研究

基于深度学习的遥感图像飞机检测与分割

作者： 吴启凡   来源： 西安电子科技大学 年份： 2022 文献类型 ： 学位论文 关键词： 非对称卷积   遥感图像   R   CNN   深度学习   Mask   自校准卷积  

描述： 基于深度学习的遥感图像飞机检测与分割

基于SW/YOLO模型的航空发动机叶片损伤实时检测

作者： 何宇豪   曹学国   刘信良   蒋浩坤   王静秋   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   实时检测   叶片损伤   深度学习   目标检测   孔探检测  

描述： 孔探检测技术是航空发动机叶片损伤检测的主要手段，但目前依赖人工操作，耗时耗力。本文提出了一个孔探视频检测的SW/YOLO模型，该模型包括输入端、主干网络、颈部网络、头部网络4个模块。首先，在主干网络加入了空间通道注意力模块（Spatial Channel / Convolutional Block Attention Module，SC/CBAM），有效避免位置信息丢失，提高目标边界回归能力，相较于YOLOv5，其平均精度均值mAP@0.5提高了5.4%。其次，在颈部网络对特征金字塔网络（Feature Pyramid Network，FPN）进行了改进，通过融合低层特征，扩大了模型感受野，有利于较小损伤区域的检测，如烧蚀损伤，平均精度提高了8.1%。最后，通过与YOLOv5，Faster R/CNN，SSD模型的对比实验，结果表明SW/YOLO模型的平均精度均值分别提高了7%，6.2%，6.3%，检测速度满足实时检测需求，有利于提高航空发动机孔探检测的自动化和智能化水平。

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。