基于目标检测的飞行员驾驶异常行为检测系统

作者： 严崇耀   来源： 无线互联科技 年份： 2025 文献类型 ： 期刊 关键词： 飞行员   异常行为   目标检测   人工智能  

描述： 基于目标检测的飞行员驾驶异常行为检测系统

基于统一网络架构的多模态航空影像质量评价研究

作者： 闫婧   武林伟   刘伟杰   韩如雪   来源： 现代电子技术 年份： 2023 文献类型 ： 期刊 关键词： 无参考模型   特征提取   卷积神经网络   特征融合   多模态数据   深度学习   网络结构   影像质量评价  

描述： 高质量无人机航空影像是目标检测、分析、识别的重要前提条件，但各类传感器成像机理不同，质量影响因素多样，往往需要根据不同模态数据的特性设计不同的网络模型，从而大大增加了质量评价算法在无人机上的应用难度

机器人正反镗飞机交点孔的振动与表面形貌研究

作者： 陆垚垚   来源： 浙江大学 年份： 2019 文献类型 ： 学位论文 关键词： 机器人   表面形貌   特征融合   飞机装配   压脚   振动   正反向镗孔   飞机交点孔  

描述： 机器人正反镗飞机交点孔的振动与表面形貌研究

机器人正反镗飞机交点孔的振动与表面形貌研究

作者： 陆垚垚   来源： 浙江大学 年份： 2019 文献类型 ： 学位论文 关键词： 机器人   表面形貌   特征融合   飞机装配   压脚   振动   正反向镗孔   飞机交点孔  

描述： 机器人正反镗飞机交点孔的振动与表面形貌研究

基于FCN与CNN的遥感影像飞机目标检测方法

作者： 李文斌   何冉   来源： 计算机工程 年份： 2020 文献类型 ： 期刊 关键词： FCN   遥感图像   CNN   目标检测   像素级标签  

描述： 针对遥感影像飞机目标检测中背景复杂、飞机尺度变化大、样本缺乏等问题，提出一种包含全卷积神经网络(FCN)与卷积神经网络(CNN)两种深度神经网络的检测方法。方法的处理主要包括：候选区域选取、CNN

基于深度神经网络的遥感图像飞机目标检测

作者： 李文斌   何冉   来源： 计算机工程 年份： 2021 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   目标检测   密度聚类   像素级标签  

描述： 。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。

基于深度神经网络的遥感图像飞机目标检测

作者： 李文斌   何冉   来源： 计算机工程 年份： 2021 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   目标检测   密度聚类   像素级标签  

描述： 。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。

雷达回波序列中弱小飞机目标检测跟踪数据集

作者： 宋志勇   回丙伟   范红旗   周剑雄   朱永锋   达凯   张晓峰   苏宏艳   金威   张永杰   杨彩霞   蔺震   樊润东   来源： 中国科学数据(中英文网络版) 年份： 2021 文献类型 ： 期刊 关键词： 数据集   雷达回波序列   目标检测   弱小目标   目标跟踪  

描述： 杂波背景下的雷达弱小目标检测跟踪是低空安全防控、区域态势监视、远程精确打击、空天攻防对抗等军民应用领域的热点和难点问题。本文针对杂波下雷达弱小目标检测跟踪技术研究的数据需求以及目前公开的雷达杂波下

地/空背景下红外图像弱小飞机目标检测跟踪数据集

作者： 回丙伟   宋志勇   范红旗   钟平   胡卫东   张晓峰   凌建国   苏宏艳   金威   张永杰   白亚茜   来源： 中国科学数据(中英文网络版) 年份： 2021 文献类型 ： 期刊 关键词： 固定翼飞机目标   序列图像   红外弱小目标   目标检测   目标跟踪  

描述： 红外弱小目标检测跟踪是远程精确打击、空天攻防对抗和遥感情报侦察等军事应用中的重要研究内容。针对当前红外目标探测识别领域仿真数据真实性不足、实测数据样本匮乏的情况,本数据集面向低空飞行的弱小

YOLOv4-tiny及其改进算法在航空机务维修照相管理中的应用

作者： 张锐丽   张琦   高万春   李江龙   来源： 兵工自动化 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   tiny   目标检测   YOLOv4   照相管理  

描述： 针对飞机机务维修照相管理存在工作量大、不精确等问题，提出一种利用深度学习YOLOv4-tiny算法来执行照片对比检测的方法。利用一个自制的数据集来训练网络模型，为解决开口销螺母及其他背景干扰，引入注意力机制模块以改进YOLOv4-tiny。测试结果表明：准确率(precision,P)相较原YOLOv4-tiny提高了5%，召回率(recall,R)提高约8%，平均准确率均值(mean average precision,mAP)提高了4.9%，照片识别精度和定位精准性方面都有较优表现，满足照相管理中对目标精准识别与比对的要求。