首页>
根据【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】搜索到相关结果 2 条
-
基于特征融合与软判决的遥感图像飞机检测
-
作者:
朱明明
许悦雷
马时平
李帅
马红强
来源:
光学学报
年份:
2019
文献类型 :
期刊
关键词:
区域卷积神经网络
特征融合
图像处理
软判决
飞机检测
-
描述:
提出了一种特征融合结合软判决的飞机检测方法。以区域卷积神经网络为基本框架,依次采用L2范数归一化、特征连接、尺度缩放和特征降维来融合多层特征。为了降低网络在目标高度重叠时的漏检率,引入软判决来改进传统的非极大值抑制方法。实验结果表明,所提方法能够准确快速地检测到飞机,得到检测率为94.25%、虚警率为5.5%、平均运行时间为0.16 s的实验结果。与现有的其他检测方法相比,所提方法的各项指标均得到显著提升。
-
航空发动机外形点云的特征分割方法
-
作者:
闫杰琼
周来水
胡少乾
文思扬
来源:
光学学报
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
机器视觉
外形点云
深度学习
特征分割
-
描述:
目前我国存在较多外购发动机的情况,外购发动机存在只有实物及安装尺寸等信息,而没有三维数字化模型的问题,这给飞机与发动机的装配协调设计带来较大困难,因此飞机设计部门对快速重构航空发动机的外形几何模型提出了迫切需求。为了使重建出的发动机外形几何模型尽可能地保留准确的结构特征,提出了一种基于深度学习的航空发动机外形点云特征分割方法,该方法将整体点云分割成特征数据与非特征数据,这有利于后续采用不同的方法重建出各种复杂的结构特征。设计了一种迭代密度均衡算法用于构建特征分割数据集,该算法为特征分割网络的训练、测试和性能评估提供基础;设计了一种特征分割网络,从多尺度局部表面片中收集形状结构和局部邻域信息,用于判断其中心是否是特征点。将训练好的特征分割网络模型应用于发动机外形点云,验证结果表明,特征分割精度达到95.16%,所提算法实现了高精度语义分割。