全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于深度学习的彩色遥感图像飞机目标检测算法研究
- 作者： 韩佳雪 来源： 宁夏大学 年份： 2020 文献类型 ： 学位论文 关键词： R CNN 深度卷积神经网络 高斯曲率滤波 FPN 遥感图像数据集 Faster 分数阶微分
- 描述： 基于深度学习的彩色遥感图像飞机目标检测算法研究
- 基于关键点检测的航空发动机螺栓安装缺陷自动化检测方法
- 作者： 辛佳雯 王睿 谢艳霞 孙军华 来源： 仪器仪表学报 年份： 2023 文献类型 ： 期刊 关键词： 关键点检测 深度学习 双目立体视觉 缺陷检测
- 描述： 针对航空发动机螺栓存在背景复杂、目标小、且精细特征不明显的问题，本文研究了一种基于关键点检测的航空发动机螺栓安装缺陷的自动化检测方法。首先设计了基于Faster RCNN和改进CPN（attention deformable convolution-cascaded pyramid network， AD-CPN）的级联卷积神经网络，实现了图像中螺栓及二维关键点的检测，可判断该螺栓是否脱落、漏装。为进一步检测螺栓的三维安装缺陷，通过欧式距离选择策略对已检测出的关键点进行双目匹配、筛选以获得检测点对，最后对检测点对三维重构，并计算出螺栓的实际长度，从而判断螺栓是否错装。实验结果表明，相较于CPN，AD-CPN的mAP、AP50、AP75分别提升了2.9%、3.3%、4%；螺栓测量长度的相对平均误差约为3.0%，可见该方法具有较高的缺陷检测准确率，有效保障了航空发动机的安全运行。
- 基于关键点检测的航空发动机螺栓安装缺陷自动化检测方法
- 作者： 辛佳雯 王睿 谢艳霞 孙军华 来源： 仪器仪表学报 年份： 2023 文献类型 ： 期刊 关键词： 关键点检测 深度学习 双目立体视觉 缺陷检测
- 描述： 针对航空发动机螺栓存在背景复杂、目标小、且精细特征不明显的问题，本文研究了一种基于关键点检测的航空发动机螺栓安装缺陷的自动化检测方法。首先设计了基于Faster RCNN和改进CPN（AD-CPN）的级联卷积神经网络，实现了图像中螺栓及二维关键点的检测，可判断该螺栓是否脱落、漏装。为进一步检测螺栓的三维安装缺陷，通过欧氏距离选择策略对已检测出的关键点进行双目匹配、筛选以获得检测点对，最后对检测点对三维重构，并计算出螺栓的实际长度，从而判断螺栓是否错装。实验结果表明，相较于CPN,AD-CPN的mAP、AP50、AP75分别提升了2.9%、3.3%、4%;螺栓测量长度的相对平均误差约为3.0%,可见该方法具有较高的缺陷检测准确率，有效保障了航空发动机的安全运行。
- 基于深度学习的飞机起落架状态监测
- 作者： 李富洋 来源： 中国科学院大学(中国科学院长春光学精密机械与物理研究所) 年份： 2022 文献类型 ： 学位论文 关键词： 关键点检测 单目相机 起落架角度 卷积网络 CAD模型
- 描述： 基于深度学习的飞机起落架状态监测
- 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
- 多特征分类的PolSAR图像飞机目标检测
- 作者： 卢晓光 周波 韩萍 韩宾宾 来源： 信号处理 年份： 2019 文献类型 ： 期刊 关键词： 特征提取 极化合成孔径雷达 飞机目标检测 SVM分类器
- 描述： 针对目前有关极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)的飞机目标检测算法虚警较多、自适应性较差的问题,给出一种复杂大场景中PolSAR图像多特征分类的飞机目标检测方法。该方法分为线下分类器训练和飞机目标检测两部分。使用Filter特征选择结合穷举法筛选出分类性能高的飞机极化特征训练SVM(Support Vector Machine, SVM)分类器;利用异化散射功率提取疑似飞机目标,进一步提取多个极化特征送入SVM分类获得检测结果。利用UAVSAR系统采集的多幅实测数据进行实验,并与现有的PolSAR图像飞机目标检测算法进行对比,结果表明该方法能够有效检测出飞机目标,并且虚警和漏警较少,方法自适应性有所提高。
- 多特征分类的PolSAR图像飞机目标检测
- 作者： 卢晓光 周波 韩萍 韩宾宾 来源： 信号处理 年份： 2019 文献类型 ： 期刊 关键词： 特征提取 极化合成孔径雷达 飞机目标检测 SVM分类器
- 描述： 针对目前有关极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)的飞机目标检测算法虚警较多、自适应性较差的问题,给出一种复杂大场景中PolSAR图像多特征分类的飞机目标检测方法。该方法分为线下分类器训练和飞机目标检测两部分。使用Filter特征选择结合穷举法筛选出分类性能高的飞机极化特征训练SVM(Support Vector Machine, SVM)分类器;利用异化散射功率提取疑似飞机目标,进一步提取多个极化特征送入SVM分类获得检测结果。利用UAVSAR系统采集的多幅实测数据进行实验,并与现有的PolSAR图像飞机目标检测算法进行对比,结果表明该方法能够有效检测出飞机目标,并且虚警和漏警较少,方法自适应性有所提高。