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
- 基于神经网络的航空行李点云检测方法研究
- 作者： 翁博文 胡丹丹 罗其俊 来源： 电子世界 年份： 2020 文献类型 ： 期刊 关键词： 随机梯度下降法 测试数据集 点云特征 卷积神经网络 点云数据 云检测 三层感知机 全局特征 多层感知机
- 描述： 针对航空旅客托运行李相似度高、几何特征强、材质复杂等特点,提出一种基于多层神经网络的航空行李点云检测方法。该方采用MLP结构对点云的全局特征进行描述,并针对点云的几何特征引入X-Conv卷积以增强对边缘点云的几何描述,增强网络对空洞点云的识别能力。通过在某机场现场采集的行李点云数据集验证了该方法的准
- 改进YOLO V3遥感图像飞机识别应用
- 作者： 郑志强 刘妍妍 潘长城 李国宁 来源： 电光与控制 年份： 2019 文献类型 ： 期刊 关键词： YOLO Densenet 遥感图像 means 卷积神经网络 飞机识别 k V3
- 描述： 为了准确识别遥感图像中的飞机,基于YOLO V3算法,通过使用K-means算法对数据集进行聚类分析,借鉴Densenet网络的思想,将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块,改进为一种Dense-YOLO深度卷积神经网络结构。对改进前与改进后的网络进行训练,分别选出使两个网络识别效果最好的权重文件,针对高质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析。实验结果表明,新改进的深度卷积神经网络应用在两种图像上效果均有提升。其中,改进的算法在高质量的遥感图像中准确率高达99.72%,比原始算法准确率提升了0.85%,召回率高达98.34%,召回率提升了1.94%。在低质量遥感图像中准确率高达96.12%,比原始算法准确率提升了5.07%,召回率高达93.10%,召回率提升了19.75%。
- 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。