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CNN的民航天气雷达图像中降水及雷暴识别研究
- 作者： 郑越 来源： 云南大学 年份： 2019 文献类型 ： 学位论文 关键词： 民航气象 天气雷达 R CNN 卷积神经网络 SSD Faster
- 描述： 基于CNN的民航天气雷达图像中降水及雷暴识别研究
- 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。
- 基于多特征融合的PolSAR飞机目标检测算法研究
- 作者： 宋厅华 来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： PolSAR图像 无监督分类 散射特征 飞机目标检测
- 描述： 基于多特征融合的PolSAR飞机目标检测算法研究
- 基于征兆量偏差的航空发动机气路故障诊断研究
- 作者： 麦吾兰江·阿不都瓦衣提 屈卫东 来源： 第30届中国过程控制会议（CPCC 2019） 年份： 2019 文献类型 ： 会议论文 关键词： CNN 故障诊断 深度学习 征兆量偏差 基线
- 描述： 基于征兆量偏差的航空发动机气路故障诊断研究
- 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。
- 高分辨SAR图像飞机目标检测的FPGA设计
- 作者： 金晓飞 来源： 西安电子科技大学 年份： 2019 文献类型 ： 学位论文 关键词： FPGA OpenCL 飞机目标检测 并行计算 SAR图像
- 描述： 高分辨SAR图像飞机目标检测的FPGA设计
- 基于深度学习的飞机目标跟踪应用研究
- 作者： 赵春梅 陈忠碧 张建林 来源： 光电工程 年份： 2019 文献类型 ： 期刊 关键词： 鲁棒跟踪 实时跟踪 飞机目标 迁移学习 FDLAT
- 描述： 本文针对飞机目标,提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络,使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层,全连接层作为目标和背景的分类层,采用特定的飞机数据集来更新网络参数。训练完成之后,结合回归模型,采用简单的线性更新对飞机进行跟踪,算法实现了飞机旋转、相似目标、模糊目标、复杂环境、尺度变换、目标遮挡以及形态变换等复杂状态的鲁棒跟踪,速度达到平均20.36 f/s,在ILSVRC2015飞机检测数据集上成功率均值达到0.592,基本满足飞机实时跟踪。