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
- 基于深度学习的民航舆情微博文本情感分析研究
- 作者： 孙佳慧 来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： 情感分析 注意力机制 微博 深度学习 自然语言处理 词向量
- 描述： 基于深度学习的民航舆情微博文本情感分析研究
- 民航恐怖威胁信息预警系统的设计与实现
- 作者： 韩萍 王杰 贾云飞 牛勇钢 李杉 张俊东 吴炎泉 来源： 中国民航大学学报 年份： 2018 文献类型 ： 期刊 关键词： 情感分析 预警 主题爬虫 微博 恐怖威胁信息 民航安保
- 描述： 为监测并及时向民航公安部门提供互联网微博中针对民航的恐怖威胁信息及信息源,提高民航安保效率,给出民航恐怖威胁信息预警系统的设计与实现方案。系统采用主题爬虫技术实现对微博信息的采集,运用情感分析方法评估微博信息的威胁度,并划分威胁等级,综合运用数据可视化技术,为民航公安等机关部门提供预警信息。实际运行与测试结果表明,系统运行稳定且预警效果良好,可为民航公安部门提供有效的预警信息,及时防范不安全事件发生。
- 结合注意力机制的轻量化飞机表面伤痕检测算法
- 作者： 王伟刚 来源： 北京邮电大学 年份： 2021 文献类型 ： 学位论文 关键词： 注意力机制 深度学习 轻量化网络 伤痕检测
- 描述： 结合注意力机制的轻量化飞机表面伤痕检测算法
- 基于深度学习的陆空通话复诵校验方法研究
- 作者： 李丹 来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： 注意力机制 陆空通话复诵校验 深度学习 双向长短时记忆神经网络
- 描述： 基于深度学习的陆空通话复诵校验方法研究
- 基于注意力机制的航空图像旋转框目标检测
- 作者： 常洪彬 李文举 李文辉 来源： 吉林大学学报(理学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空图像 注意力机制 目标检测 深度学习
- 描述： 针对在航空遥感图像目标检测中，航空图像在俯视图下呈任意方向排列，存在图像尺寸大、方向任意和背景复杂等问题，为能在复杂背景的航空图像中仍有较好的检测结果，提出一种基于注意力机制的旋转框航空图像目标检测模型.该模型首先采用RetinaNet作为基线模型，在原有检测器结构的基础上，增加额外的角度参数以适应旋转框目标检测；然后提出一个新的通道语义提取注意力模块(CSE),用于捕获全局语义信息和通道关系，并预测粗糙包围盒与分类分数；最后采用特征对齐和改进的Fast R-CNN检测头进行精细化处理，进一步提升检测精度，得到最后的分类和回归结果.实验结果表明，该方法在公开航空遥感数据集DOTA上的检测精度达到77.71%,优于其他先进的旋转框目标检测方法.
- 基于深度学习的航空遥感图像目标检测算法研究
- 作者： 常洪彬 来源： 吉林大学 年份： 2022 文献类型 ： 学位论文 关键词： 遥感图像 注意力机制 深度学习 目标检测
- 描述： 基于深度学习的航空遥感图像目标检测算法研究
- 融合注意力和多尺度特征的航空发动机缺陷检测
- 作者： 赵崇林 朱江 胡永进 李祖泽 王鹏举 谢涛 来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制 航空发动机 YOLOv5 深度学习 缺陷检测
- 描述： 航空发动机的结构完整性关乎飞行安全。目前基于孔探技术的航空发动机缺陷检测以人工操作为主。为提高检测精度和效率，提出了一种融合注意力和多尺度特征的航空发动机缺陷智能检测算法，以辅助孔探工作。首先，针对原始孔探图像中缺陷样本的类别不平衡问题，采用了一种基于几何变换和泊松图像编辑的多样本融合数据增强方法，丰富小样本图像并构建缺陷数据集。然后，在基准网络YOLOv5中融入协调注意力模块(CA)，以强调缺陷特征的提取，增强网络对缺陷目标和复杂背景的区分。在颈部网络中构建加权双向特征金字塔结构(BiFPN)，以完成更高层次的特征融合，提升对多尺度目标的表达能力。最后，将边界框回归损失函数定义为EIOU损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。
- 基于深度学习的航空器场面轨迹预测研究
- 作者： 李雪 来源： 中国民用航空飞行学院 年份： 2022 文献类型 ： 学位论文 关键词： 注意力机制 LSTM 机场场面轨迹预测 深度学习 PSO
- 描述： 基于深度学习的航空器场面轨迹预测研究
- 融合注意力和多尺度特征的航空发动机缺陷检测
- 作者： 赵崇林 朱江 胡永进 李祖泽 王鹏举 谢涛 来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制 航空发动机 YOLOv5 深度学习 缺陷检测
- 描述： 航空发动机的结构完整性关乎飞行安全。目前基于孔探技术的航空发动机缺陷检测以人工操作为主。为提高检测精度和效率，提出了一种融合注意力和多尺度特征的航空发动机缺陷智能检测算法，以辅助孔探工作。首先，针对原始孔探图像中缺陷样本的类别不平衡问题，采用了一种基于几何变换和泊松图像编辑的多样本融合数据增强方法，丰富小样本图像并构建缺陷数据集。然后，在基准网络YOLOv5中融入协调注意力模块(CA)，以强调缺陷特征的提取，增强网络对缺陷目标和复杂背景的区分。在颈部网络中构建加权双向特征金字塔结构(BiFPN)，以完成更高层次的特征融合，提升对多尺度目标的表达能力。最后，将边界框回归损失函数定义为EIOU损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。