航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

一种基于CAL-YOLO的海上航空搜救目标检测算法: 作者： 郭秀文杨林刘济民张朝阳 来源： 空天预警研究学报 年份： 2024 文献类型： 期刊 关键词： 坐标注意力机制 海上航空搜救 小目标检测层 YOLOv8s算法; 描述： ．该算法基于YOLOv8s开源框架改进，引入坐标注意力机制和小目标检测层，以优化海上航空搜救目标检测性能，从而提高海上航空搜救工作效率．实验结果表明，该算法在mAP50的评价指标上提高了11.8%，在mAP50:95评价指标上提高了8.8%.

一种基于CAL-YOLO的海上航空搜救目标检测算法: 作者： 郭秀文杨林刘济民张朝阳 来源： 空天预警研究学报 年份： 2024 文献类型： 期刊 关键词： 坐标注意力机制 海上航空搜救 小目标检测层 YOLOv8s算法; 描述： ．该算法基于YOLOv8s开源框架改进，引入坐标注意力机制和小目标检测层，以优化海上航空搜救目标检测性能，从而提高海上航空搜救工作效率．实验结果表明，该算法在mAP50的评价指标上提高了11.8%，在mAP50:95评价指标上提高了8.8%.

一种坐标通道注意力深度学习网络的军用飞机识别方法: 作者： 杨环宇王军吴祥薄煜明马立丰陆金磊 来源： 兵工学报 年份： 2024 文献类型： 期刊 关键词： 坐标注意力机制 军用飞机识别深度卷积神经网络迁移学习; 描述： 战场态势瞬息万变，利用可见光图像对敌方用于军事行动的飞机类型进行有效区分，对提供军事作战信息具有重要意义。针对现有军用飞机识别方法存在小目标飞机和环境背景复杂导致的模型特征提取困难、数据样本数量不足导致的模型训练不充分的问题，提出一种坐标通道注意力(ConvNeXt-Coordinate Attention, ConvNeXt-CA)深度学习网络军用飞机目标识别方法。该方法在ConvNeXt网络可以保留小目标飞机特征的基础上，引入CA机制设计CA-Stage模块，提升网络对于背景和前景的区分能力；采用数据增强的方式扩充数据集，以及使用迁移学习的策略提高模型的泛化能力，训练得到具备最优超参数的ConvNeXt-CA网络。实验结果表明，与传统的军用飞机识别方法和其他深度学习模型相比，基于迁移学习的ConvNeXt-CA网络在预测准确率上有明显的提升，且具备较强的泛化能力。

改进的YOLOv5s遥感影像机场场面飞机小目标识别: 作者： 张新君赵春霖 来源： 电光与控制 年份： 2024 文献类型： 期刊 关键词： 坐标注意力机制 遥感影像 Transformer YOLOv5s 小目标检测 Swin; 描述： 进行优化，引入Swin Transformer以获得更多关于目标物体的特征信息；同时对骨干网络中的模块做了修剪；此外，模型中还添加了坐标注意力机制来提升特征提取和融合效果。对于遥感数据集进行了

< 1 >