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
- 深度学习在军用飞机识别与检测中的应用
- 作者： 黄蓉蓉 来源： 兰州大学 年份： 2020 文献类型 ： 学位论文 关键词： 卷积神经网络 计算机视觉 数据增强 目标检测 深度学习 军用飞机 图像识别
- 描述： 深度学习在军用飞机识别与检测中的应用
- 遥感图像飞机目标检测与识别关键技术研究
- 作者： 李冠典 来源： 长春理工大学 年份： 2022 文献类型 ： 学位论文 关键词： 飞机目标高效检测 遥感图像 卷积神经网络 深度学习 目标检测 飞机区域识别网络
- 描述： 遥感图像飞机目标检测与识别关键技术研究
- 基于SW/YOLO模型的航空发动机叶片损伤实时检测
- 作者： 何宇豪 曹学国 刘信良 蒋浩坤 王静秋 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 实时检测 叶片损伤 深度学习 目标检测 孔探检测
- 描述： 络加入了空间通道注意力模块（Spatial Channel / Convolutional Block Attention Module，SC/CBAM），有效避免位置信息丢失，提高目标边界回归能力
- 基于深度学习的遥感影像飞机目标检测与识别技术研究
- 作者： 谭振宇 来源： 战略支援部队信息工程大学 年份： 2020 文献类型 ： 学位论文 关键词： R 遥感影像 CNN算法 目标检测 深度学习 Faster 飞机目标 YOLO算法
- 描述： 基于深度学习的遥感影像飞机目标检测与识别技术研究
- 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、深度融合网络、目标检测和追踪算法等三种深度学习方法，以实现对大型航司发动机的损伤进行识别、检测、追踪、在线计数和孔探报告自动生成。实现结果表明这些方法对减轻劳动强度、提高生产效率和提高检测精度具有实际的应用价值，对保证发动机适航具有重要意义。
- 航空气象预报员注意力和警觉性初探
- 作者： 朱雯娜 来源： 民航学报 年份： 2022 文献类型 ： 期刊 关键词： 注意力 工作负荷 警觉性 睡眠剥夺
- 描述： 通过分析航空气象服务工作特点,探讨影响航空气象预报员注意力分散和警觉性降低的原因,提出如何培养航空气象预报员持续稳定的注意力和高度警觉性的建议措施。
- 面向航空应用的神经网络轻量化设计
- 作者： 程陶然 李阳 来源： 电脑知识与技术 年份： 2019 文献类型 ： 期刊 关键词： 模型压缩 结构优化 神经网络 轻量化
- 描述： 随着深度神经网络性能的不断提高,应用领域不断扩展,然而网络参数规模和计算需求也在大幅增加,极大地限制了神经网络的应用范围。该文面向航空领域应用,考虑到机载嵌入式计算环境的资源限制,对深度神经网络模型的轻量化设计方法进行了总结分析。神经网络的轻量化设计主要通过模型压缩和计算结构优化实现对网络参数存储空间的压缩和运算速度提升,具体方法包括模型裁剪、参数量化与编码、可分离卷积、知识提取、矩阵低秩分解等。
- 基于生成对抗网络的半监督遥感图像飞机检测
- 作者： 陈国炜 刘磊 郭嘉逸 潘宗序 胡文龙 来源： 中国科学院大学学报 年份： 2021 文献类型 ： 期刊 关键词： 生成对抗网络 目标检测 半监督学习
- 描述： 遥感图像上的飞机目标检测是一件极富挑战性的工作,吸引了广大研究者的兴趣。基于人工神经网络的方法是当前遥感图像飞机目标检测的主流方法,这类方法要求人工标记大量的数据用于训练。对训练图像的人工标注工作费时费力,是制约有效利用大规模数据的主要瓶颈之一。为解决这个问题,提出一种基于生成对抗网络(generative adversarial networks,GAN)的半监督检测方法。在遥感图像飞机目标检测中,该方法不需要标记全部用于训练的图像,只需要标记其中一小部分样本,再和大量未标记数据一起进行训练便能取得优异的检测结果。该方法结合传统的检测网络和基于GAN的半监督学习网络。在对抗训练过程中,生成器学习数据分布并生成假样本,判别器判别真假样本,同时判别器还需要从标记数据中学习类别信息。最后,判别器学习到的决策分类面不仅仅区分出标记数据,而且平行于数据分布的边界。实验证明,在存在大量可供训练的图像的基础上,减少标注数据的比例,全监督学习方法性能会大幅下降;而本文提出的半监督学习方法,由于利用了未标注的数据,能保持更好的检测性能。
- 基于生成对抗网络的半监督遥感图像飞机检测
- 作者： 陈国炜 刘磊 郭嘉逸 潘宗序 胡文龙 来源： 中国科学院大学学报 年份： 2021 文献类型 ： 期刊 关键词： 生成对抗网络 目标检测 半监督学习
- 描述： 遥感图像上的飞机目标检测是一件极富挑战性的工作,吸引了广大研究者的兴趣。基于人工神经网络的方法是当前遥感图像飞机目标检测的主流方法,这类方法要求人工标记大量的数据用于训练。对训练图像的人工标注工作费时费力,是制约有效利用大规模数据的主要瓶颈之一。为解决这个问题,提出一种基于生成对抗网络(generative adversarial networks,GAN)的半监督检测方法。在遥感图像飞机目标检测中,该方法不需要标记全部用于训练的图像,只需要标记其中一小部分样本,再和大量未标记数据一起进行训练便能取得优异的检测结果。该方法结合传统的检测网络和基于GAN的半监督学习网络。在对抗训练过程中,生成器学习数据分布并生成假样本,判别器判别真假样本,同时判别器还需要从标记数据中学习类别信息。最后,判别器学习到的决策分类面不仅仅区分出标记数据,而且平行于数据分布的边界。实验证明,在存在大量可供训练的图像的基础上,减少标注数据的比例,全监督学习方法性能会大幅下降;而本文提出的半监督学习方法,由于利用了未标注的数据,能保持更好的检测性能。