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YOLOv5的航空图像目标检测方法研究
- 作者： 文青. 来源： 东莞理工学院 年份： 2023 文献类型 ： 学位论文 关键词： Circular 损失函数 注意力机制 Transformer YOLOv5 Smooth Label Swin
- 描述： 基于YOLOv5的航空图像目标检测方法研究
- 基于YOLOv5的航空图像目标检测方法研究
- 作者： 文青. 来源： 东莞理工学院 年份： 2023 文献类型 ： 学位论文 关键词： Circular 损失函数 注意力机制 Transformer YOLOv5 Smooth Label Swin
- 描述： 基于YOLOv5的航空图像目标检测方法研究
- 基于YOLOv5的航空图像目标检测方法研究
- 作者： 文青. 来源： 东莞理工学院 年份： 2023 文献类型 ： 学位论文 关键词： Circular 损失函数 注意力机制 Transformer YOLOv5 Smooth Label Swin
- 描述： 基于YOLOv5的航空图像目标检测方法研究
- 基于YOLOv5的航空图像目标检测方法研究
- 作者： 文青. 来源： 东莞理工学院 年份： 2023 文献类型 ： 学位论文 关键词： Circular 损失函数 注意力机制 Transformer YOLOv5 Smooth Label Swin
- 描述： 基于YOLOv5的航空图像目标检测方法研究
- 基于YOLOv5的航空图像目标检测方法研究
- 作者： 文青. 来源： 东莞理工学院 年份： 2023 文献类型 ： 学位论文 关键词： Circular 损失函数 注意力机制 Transformer YOLOv5 Smooth Label Swin
- 描述： 基于YOLOv5的航空图像目标检测方法研究
- 光学遥感图像飞机目标识别算法
- 作者： 胡楠 李润生 王载武 来源： 影像技术 年份： 2020 文献类型 ： 期刊 关键词： 遥感图像 R CNN 飞机识别 深度学习 Faster
- 描述： 光学遥感图像中蕴含着大量信息,更新速度非常快。使用人工方法对光学遥感图像进行判读和目标的识别显然早已达不到现代社会各领域的需求。实时、高效地从光学遥感图像中识别出感兴趣目标具有非常重要的意义。本文对基于人工智能的图像飞机识别研究现状进行了总结,方便后续学者研究。
- 基于RDK-ELM的航空发动机控制系统故障诊断
- 作者： 陈虹潞 黄向华 来源： 航空发动机 年份： 2021 文献类型 ： 期刊 关键词： 航空发动机 极限学习机 控制系统 简约改进 故障诊断 深度学习
- 描述： 为保持较高诊断正确率,缩短训练时间,满足航空发动机故障诊断对于实时性和高诊断率的需求,提出1种对深度核极限学习机的简约改进方法。输入数据中随机选取部分数据作为支持向量,结合深度学习网络的多层结构
- 稀疏驱动的航空发动机主轴承智能监测研究（英文）
- 作者： 丁宝庆 武靖耀 孙闯 王诗彬 陈雪峰 李应红 来源： Transactions of Nanjing University of Aeronautics and Astronautics 年份： 2021 文献类型 ： 期刊 关键词： 特征提取 稀疏模型 变分自编码 智能监测 深度学习 航空发动机主轴承
- 描述： 微弱特征提取是航空发动机健康监测与智能诊断的关键技术之一。本文针对航空发动机主轴承微弱故障智能监测难题,基于信号先验提出增强稀疏驱动的智能监测方法。通过分析经典凸稀疏诊断模型难以兼顾信号降噪与特征重构性能的缺陷,构建基于莫罗包络理论的非凸正则凸优化增强稀疏模型,以实现微弱特征提取;进而提出稀疏驱动的深度卷积变分自编码网络智能监测方法,通过对健康状态稀疏降噪样本的训练实现对故障异常状态的智能识别。通过航空发动机主轴承疲劳寿命试验的工程案例对提出方法进行性能验证,结果表明:增强稀疏驱动的智能监测方法具有良好的异常状态智能识别能力,能够有效支撑航空发动主轴承微弱故障的智能监测与诊断。
- 基于深度学习的光学遥感图像飞机检测算法
- 作者： 董永峰 仉长涛 汪鹏 冯哲 来源： 激光与光电子学进展 年份： 2021 文献类型 ： 期刊 关键词： 遥感图像 卷积神经网络 图像处理 目标检测 深度学习 Mask RCNN算法
- 描述： 光学遥感图像目标检测一直都是遥感领域研究的热点之一,但现有的检测方法对背景复杂且尺寸较小的目标检测准确率不高。针对以上问题,提出了一种以Mask-RCNN为基础框架的目标检测方法。该算法以ResNet50为特征提取网络并在此基础之上利用特征重用技术来更好地提取目标的语义特征,且针对不同类型的飞机尺寸比例不固定等特点,设计了一组更加合适的候选框尺度集合。实验结果证明,该方法与以往常用的检测算法相比在小物体检测上拥有更高的检测精度。