复杂场景下飞机目标检测与跟踪技术研究

作者： 刘海燕   来源： 哈尔滨工程大学 年份： 2019 文献类型 ： 学位论文 关键词： 复杂场景   卷积神经网络   遥感视频   目标检测   目标自动跟踪  

描述： 复杂场景下飞机目标检测与跟踪技术研究

航空影像下小车辆的快速定向检测算法设计

作者： 许楠   来源： 江西理工大学 年份： 2019 文献类型 ： 学位论文 关键词： 特征提取   卷积神经网络   方向估计   航空影像   车辆检测  

描述： 航空影像下小车辆的快速定向检测算法设计

基于深度学习的SAR图像飞机目标检测与识别

作者： 李楚茵   来源： 国防科技大学 年份： 2019 文献类型 ： 学位论文 关键词： 注意力机制   卷积神经网络   飞机检测与识别   合成孔径雷达   深度学习   机场检测  

描述： 基于深度学习的SAR图像飞机目标检测与识别

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

基于改进SSD的航空发动机目标缺陷检测

作者： 陈为   梁晨红   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： 数据集   特征提取   卷积神经网络   凸台检测   SSD模型   聚类分析  

描述： 基于改进SSD的航空发动机目标缺陷检测

改进YOLO V3遥感图像飞机识别应用

作者： 郑志强   刘妍妍   潘长城   李国宁   来源： 电光与控制 年份： 2019 文献类型 ： 期刊 关键词： YOLO   Densenet   遥感图像   means   卷积神经网络   飞机识别   k   V3  

描述： 为了准确识别遥感图像中的飞机,基于YOLO V3算法,通过使用K-means算法对数据集进行聚类分析,借鉴Densenet网络的思想,将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块,改进为一种Dense-YOLO深度卷积神经网络结构。对改进前与改进后的网络进行训练,分别选出使两个网络识别效果最好的权重文件,针对高质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析。实验结果表明,新改进的深度卷积神经网络应用在两种图像上效果均有提升。其中,改进的算法在高质量的遥感图像中准确率高达99.72%,比原始算法准确率提升了0.85%,召回率高达98.34%,召回率提升了1.94%。在低质量遥感图像中准确率高达96.12%,比原始算法准确率提升了5.07%,召回率高达93.10%,召回率提升了19.75%。