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 4 条
-
基于多结构卷积神经网络的高分遥感影像飞机目标检测
-
作者:
姚相坤
万里红
霍宏
方涛
来源:
计算机工程
年份:
2017
文献类型 :
期刊
关键词:
特征提取
卷积神经网络
多结构网络
目标检测
高分遥感影像
-
描述:
传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。针对该问题,构建一种多结构卷积神经网络模型(MSCNN)自动学习目标特征。通过改变卷积滤波器尺寸、数量以及网络层数,分别设计4种不同结构的CNN以提取目标从低层、中层到高层不同尺度的特征信息,并将4种CNN输出采用串行方式连接并输入到BP神经网络分类器进行训练。在检测阶段采用滑动窗口方法进行目标搜索。对高分辨遥感影像中飞机的检测实验结果表明,MSCNN在虚警率和召回率上较4种单一结构的CNN具有明显的检测优势,召回率平均提升6%,虚警率平均降低3%。对油罐的检测结果进一步表明,MSCNN可以推广到对遥感影像其他目标的检测。
-
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。
-
基于深度学习的航空传感器故障诊断方法
-
作者:
郑晓飞
郭创
姚斌
冯华鑫
来源:
计算机工程
年份:
2018
文献类型 :
期刊
关键词:
信号重构
故障诊断
深度学习
航空传感器
深度置信网络
故障隔离
-
描述:
为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信