基于特征融合的航空遥感图像目标检测深度学习方法研究

作者： 仵晨伟.   来源： 西安理工大学 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   特征融合   卷积神经网络   目标检测   深度学习   航空遥感图像  

描述： 基于特征融合的航空遥感图像目标检测深度学习方法研究

基于特征融合的航空遥感图像目标检测深度学习方法研究

作者： 仵晨伟.   来源： 西安理工大学 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   特征融合   卷积神经网络   目标检测   深度学习   航空遥感图像  

描述： 基于特征融合的航空遥感图像目标检测深度学习方法研究

深度卷积网络在航空高光谱岩性识别中的应用——以塔木素铀矿床北部地区为例

作者： 张川     易敏     童勤龙     叶发旺     徐清俊     李泊凇   来源： 世界核地质科学 年份： 2024 文献类型 ： 期刊 关键词： 卷积神经网络   深度学习   航空高光谱遥感   岩性识别  

描述： 岩矿信息识别是高光谱遥感在地质勘探领域的主要应用方向。传统高光谱遥感方法尽管在矿物识别中取得了良好效果，但对于岩性识别存在瓶颈。深度学习是当前人工智能领域的研究热点，卷积神经网络是适用于图像识别

基于双分支自适应特征融合网络的航空遥感图像目标检测算法研究及应用

作者： 杨中宇.   来源： 吉林大学 年份： 2024 文献类型 ： 学位论文 关键词： 遥感图像   特征融合   深度学习   目标检测   场景分类   双分支网络  

描述： 基于双分支自适应特征融合网络的航空遥感图像目标检测算法研究及应用

基于双分支自适应特征融合网络的航空遥感图像目标检测算法研究及应用

作者： 杨中宇.   来源： 吉林大学 年份： 2024 文献类型 ： 学位论文 关键词： 遥感图像   特征融合   深度学习   目标检测   场景分类   双分支网络  

描述： 基于双分支自适应特征融合网络的航空遥感图像目标检测算法研究及应用

基于深度学习的遥感图像飞机目标检测方法研究

作者： 吕宗奎.   来源： 南京信息工程大学 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   特征提取   PyQt5   深度学习   目标检测  

描述： 基于深度学习的遥感图像飞机目标检测方法研究

基于深度学习的遥感图像飞机目标检测方法研究

作者： 吕宗奎.   来源： 南京信息工程大学 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   特征提取   PyQt5   深度学习   目标检测  

描述： 基于深度学习的遥感图像飞机目标检测方法研究

基于CNN-LSTM混合模型的民航非计划事件分析方法

作者： 王捷     周迪     左洪福     陆扬   来源： 计算机与数字工程 年份： 2024 文献类型 ： 期刊 关键词： 长短时记忆神经网络   卷积神经网络   深度学习   民航安全   文本分析  

描述： 安全是民航业的核心主题，非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度，论文提出了一种基于CNN-LSTM的混合深度神经网络模型，用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较，在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明，所提出的CNN-LSTM混合模型具有最高的分类准确率，对于不平衡数据样本，具有最稳定的分类性能。

基于CNN-LSTM混合模型的民航非计划事件分析方法

作者： 王捷     周迪     左洪福     陆扬   来源： 计算机与数字工程 年份： 2024 文献类型 ： 期刊 关键词： 长短时记忆神经网络   卷积神经网络   深度学习   民航安全   文本分析  

描述： 安全是民航业的核心主题，非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度，论文提出了一种基于CNN-LSTM的混合深度神经网络模型，用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较，在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明，所提出的CNN-LSTM混合模型具有最高的分类准确率，对于不平衡数据样本，具有最稳定的分类性能。

多模态情感视角：民航旅客异常行为预警研究

作者： 付永华     司俊勇   来源： 郑州航空工业管理学院学报 年份： 2024 文献类型 ： 期刊 关键词： 民航安检   多模态数据   异常行为预警   情感计算   航空安全  

描述： 模型，能够有效识别旅客存在潜在异常行为的相关情感，其整体识别准确率达到了82.76%。其中，生气、厌恶、焦虑、害怕、悲伤5类情感识别准确率分别为81.9%、78.5%、81.3%、83.2%、81.7%。