基于可变形卷积神经网络的遥感图像飞机目标检测

作者： 李明阳   胡显   雷宏   来源： 国外电子测量技术 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   遥感影像   可变形卷积   飞机检测  

描述： 遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可变形卷积适当地嵌入到特征金字塔来构建可变形特征金字塔,使得金字塔可以自适应的调整卷积过程中的空间采样位置,在进行飞机检测时具有一定的旋转不变性,且在各种复杂场景中也更加可靠。同时,根据训练集中的目标尺寸设计锚点尺寸并引入焦点分类损失以有效地关注难分类样本。该方法在公共UCAS-AOD数据集获得了97.39%的平均精度与RetinaNet模型相比提高了1.59%,并优于R-FCN、YOLOV2等其他流行方法,证明了该方法的有效性和准确性。

基于可变形卷积神经网络的遥感图像飞机目标检测

作者： 李明阳   胡显   雷宏   来源： 国外电子测量技术 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   遥感影像   可变形卷积   飞机检测  

描述： 遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可变形卷积适当地嵌入到特征金字塔来构建可变形特征金字塔,使得金字塔可以自适应的调整卷积过程中的空间采样位置,在进行飞机检测时具有一定的旋转不变性,且在各种复杂场景中也更加可靠。同时,根据训练集中的目标尺寸设计锚点尺寸并引入焦点分类损失以有效地关注难分类样本。该方法在公共UCAS-AOD数据集获得了97.39%的平均精度与RetinaNet模型相比提高了1.59%,并优于R-FCN、YOLOV2等其他流行方法,证明了该方法的有效性和准确性。

基于优化CNN的航空液压管路卡箍故障诊断

作者： 窦金鑫   薛政坤   于晓光   范玉鑫   刘忠鑫   杨同光   来源： 机床与液压 年份： 2021 文献类型 ： 期刊 关键词： 液压管路卡箍   卷积神经网络   故障诊断   优化变分模态分解  

描述： 针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。

基于维修日志的飞机设备故障原因判别方法

作者： 王锐光   吴际   刘超   杨海燕   来源： 软件学报 年份： 2019 文献类型 ： 期刊 关键词： 维修日志   卷积神经网络   故障诊断   随机森林  

描述： 在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.

基于维修日志的飞机设备故障原因判别方法

作者： 王锐光   吴际   刘超   杨海燕   来源： 软件学报 年份： 2019 文献类型 ： 期刊 关键词： 维修日志   卷积神经网络   故障诊断   随机森林  

描述： 在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.

基于卷积神经网络迁移学习的飞机目标识别

作者： 杨予昊   孙晶明   虞盛康   来源： 现代雷达 年份： 2020 文献类型 ： 期刊 关键词： 小样本   卷积神经网络   飞机目标识别   迁移学习  

描述： 基于卷积神经网络迁移学习的飞机目标识别

基于卷积神经网络的航空影像城市建筑物分割

作者： 刘蝶   来源： 地理空间信息 年份： 2020 文献类型 ： 期刊 关键词： 建筑物   卷积神经网络   DenseNets   上采样  

描述： 对航空影像城市建筑物的分割方法进行了研究。基于DenseNets的密集连接结构,结合池化下采样和反卷积上采样方法,提出了一种新的图像语义分割方法。实验结果表明,新方法在模型参数大小、训练时间和平均交并比方面均优于Unet。预测图像更直观地体现了新方法的优势,城市建筑物分割得较为完整。

基于自适应粒子群优化的不平衡航空客户数据质量优化

作者： 姚雨虹   杨小兵   陈欣   来源： 厦门大学学报(自然科学版) 年份： 2020 文献类型 ： 期刊 关键词： 自适应粒子群   卷积神经网络   忠诚度预测   随机森林  

描述： 航空业的竞争愈发激烈，高效且准确的客户忠诚度预测模型有利于提高企业竞争力。针对航空数据集存在严重分类不平衡、特征维度多等问题，提出了客户忠诚度预测模型。该模型基于自适应粒子群优化算法（APSO）得到多数类优化样本子集，使用卷积神经网络（CNN）提取得到的平衡数据集特征，将自动得到的特征向量作为随机森林算法（RF）的输入，构建客户忠诚度预测模型。实验结果表明，本文方法预测性能优于其他预测模型，可以更好地预测客户忠诚度情况。

基于深层卷积神经网络电动飞机主驱动电机故障诊断方法

作者： 杨柏   关焕新   王森   杨亮   王鹤蓉   来源： 微电机 年份： 2020 文献类型 ： 期刊 关键词： 卷积神经网络   故障诊断   主驱动电机   残差模块  

描述： 为解决电动飞机主驱动电机故障诊断方法因电机结构复杂、信号非平稳与机械大数据等因素引起的诊断困难问题,提出了基于深层卷积神经网络的电动飞机主驱动电机故障诊断新方法。首先研究了SoftMax分类器判断故障类型问题。其次研究了卷积神经网络结构中激活函数对模型诊断结果准确率的影响,利用残差模块提高了深度卷积神经网络模型的准确率。Python仿真表明:在同等条件下卷积神经网络电动飞机主驱动电机故障诊断的准确率和运行时间都优于SDAE、ASPNN。

基于卷积神经网络的遥感图像飞机目标识别

作者： 晁安娜   刘坤   来源： 微型机与应用 年份： 2018 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   飞机识别   深度学习  

描述： 遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用卷积神经网络对飞机目标进行识别,避免了在特征提取过程中信息的丢失,提高了识别率。实验结果证明了该算法在遥感图像飞机目标识别中的可行性,能克服尺度变化及目标姿态变化等因素的影响。同时提出的算法较传统CNN、BP神经网络和支持向量机(SVM)方法具有更好的识别效果,鲁棒性更强。