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
- 跨文化交际失误对航空安全的影响——基于特内里费岛机场空难通话语料的分析
- 作者： 田媛 来源： 文化创新比较研究 年份： 2023 文献类型 ： 期刊 关键词： 1977年航空事故通话语料 案例分析 跨文化交际失误 多维度框架 航空安全 跨文化理论
- 描述： 该研究旨在探讨跨文化交际失误对航空安全产生的影响。研究以1977年特内里费岛机场空难的通话语料为基础，运用跨文化理论的多维度框架，包括语言行为理论、霍夫斯泰德的跨文化多维度理论及Edward
- 跨文化交际失误对航空安全的影响——基于特内里费岛机场空难通话语料的分析
- 作者： 田媛 来源： 文化创新比较研究 年份： 2023 文献类型 ： 期刊 关键词： 1977年航空事故通话语料 案例分析 跨文化交际失误 多维度框架 航空安全 跨文化理论
- 描述： 该研究旨在探讨跨文化交际失误对航空安全产生的影响。研究以1977年特内里费岛机场空难的通话语料为基础，运用跨文化理论的多维度框架，包括语言行为理论、霍夫斯泰德的跨文化多维度理论及Edward
- 一种基于级联神经网络的飞机检测方法
- 作者： 王晓林 苏松志 刘晓颖 蔡国榕 李绍滋 来源： 智能系统学报 年份： 2021 文献类型 ： 期刊 关键词： 嵌入式设备 遥感图像 级联 卷积神经网络 两阶段 深度学习 飞机检测 由粗到细
- 描述： 了由粗到细的策略,通过级联两个网络的方式减少计算开销。为了评估方法的有效性,我们建立了一个针对飞机检测的遥感数据集。实验结果表明,该方法超越了VGG16等复杂的主干网络,达到了接近主流检测方法的性能表现,同时显著降低了参数量并使检测速度提高了2倍以上。
- 一种基于级联神经网络的飞机检测方法
- 作者： 王晓林 苏松志 刘晓颖 蔡国榕 李绍滋 来源： 智能系统学报 年份： 2021 文献类型 ： 期刊 关键词： 嵌入式设备 遥感图像 级联 卷积神经网络 两阶段 深度学习 飞机检测 由粗到细
- 描述： 了由粗到细的策略,通过级联两个网络的方式减少计算开销。为了评估方法的有效性,我们建立了一个针对飞机检测的遥感数据集。实验结果表明,该方法超越了VGG16等复杂的主干网络,达到了接近主流检测方法的性能表现,同时显著降低了参数量并使检测速度提高了2倍以上。
- 基于深度学习的航司航空发动机智能损伤检测一体化解决方案
- 作者： 王锦申 黄旭 万夕里 来源： 航空维修与工程 年份： 2022 文献类型 ： 期刊 关键词： 损伤检测 编码器 发动机 目标检测 深度学习 一体化解决方案 神经网络 在线计数 孔探检测
- 描述： 航空发动机作为飞机的关键部件，其损伤诊断和维护是保障飞机飞行安全的核心任务。目前，通过人工的定期孔探检测开展检查和维护工作，既费时又容易出错。为此，本文给出了融合上下文编码的神经网络深度学习框架
- 基于深度学习的航司航空发动机智能损伤检测一体化解决方案
- 作者： 王锦申 黄旭 万夕里 来源： 航空维修与工程 年份： 2022 文献类型 ： 期刊 关键词： 损伤检测 编码器 发动机 目标检测 深度学习 一体化解决方案 神经网络 在线计数 孔探检测
- 描述： 航空发动机作为飞机的关键部件，其损伤诊断和维护是保障飞机飞行安全的核心任务。目前，通过人工的定期孔探检测开展检查和维护工作，既费时又容易出错。为此，本文给出了融合上下文编码的神经网络深度学习框架
- 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。针对这一问题，提出一种基于统一网络框架的无参考多模态影像质量评价模型，通过自适应地学习图像块内部的局部特征与图像块之间的相互关系，完成空间维度上的全局信息融合和时间维度上的时序信息融合，实现对多种模态影像数据的质量评估，进而快速有效地监测筛选采集数据的质量，提高有效数据采集效率。实验结果表明，该方法在多种模态的影像数据质量评价上具备泛用性和有效性。
- 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。针对这一问题，提出一种基于统一网络框架的无参考多模态影像质量评价模型，通过自适应地学习图像块内部的局部特征与图像块之间的相互关系，完成空间维度上的全局信息融合和时间维度上的时序信息融合，实现对多种模态影像数据的质量评估，进而快速有效地监测筛选采集数据的质量，提高有效数据采集效率。实验结果表明，该方法在多种模态的影像数据质量评价上具备泛用性和有效性。