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
- 基于深度学习的SAR图像飞机目标检测与识别
- 作者： 李楚茵 来源： 国防科技大学 年份： 2019 文献类型 ： 学位论文 关键词： 注意力机制 卷积神经网络 飞机检测与识别 合成孔径雷达 深度学习 机场检测
- 描述： 基于深度学习的SAR图像飞机目标检测与识别
- SAR图像飞机目标检测识别进展
- 作者： 郭倩 王海鹏 徐丰 来源： 雷达学报 年份： 2020 文献类型 ： 期刊 关键词： 飞机识别 合成孔径雷达 散射信息 深度学习 飞机检测
- 描述： 目标检测与识别是高分辨合成孔径雷达(SAR)领域的热点问题。机场上飞机作为一种典型目标，其检测和识别有一定的独特性。该文回顾了SAR图像典型目标检测识别领域技术的发展过程，分析了SAR图像中飞机目标
- 基于视频序列的飞机乘客检测方法研究与应用
- 作者： 黄欣欣 来源： 中国科学院大学(中国科学院沈阳计算技术研究所) 年份： 2022 文献类型 ： 学位论文 关键词： 行人检测 注意力机制 卷积神经网络 CSP算法
- 描述： 基于视频序列的飞机乘客检测方法研究与应用
- 结合注意力机制的轻量化飞机表面伤痕检测算法
- 作者： 王伟刚 来源： 北京邮电大学 年份： 2021 文献类型 ： 学位论文 关键词： 注意力机制 深度学习 轻量化网络 伤痕检测
- 描述： 结合注意力机制的轻量化飞机表面伤痕检测算法
- 基于深度学习的陆空通话复诵校验方法研究
- 作者： 李丹 来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： 注意力机制 陆空通话复诵校验 深度学习 双向长短时记忆神经网络
- 描述： 基于深度学习的陆空通话复诵校验方法研究
- 基于注意力机制的航空图像旋转框目标检测
- 作者： 常洪彬 李文举 李文辉 来源： 吉林大学学报(理学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空图像 注意力机制 目标检测 深度学习
- 描述： 针对在航空遥感图像目标检测中，航空图像在俯视图下呈任意方向排列，存在图像尺寸大、方向任意和背景复杂等问题，为能在复杂背景的航空图像中仍有较好的检测结果，提出一种基于注意力机制的旋转框航空图像目标检测模型.该模型首先采用RetinaNet作为基线模型，在原有检测器结构的基础上，增加额外的角度参数以适应旋转框目标检测；然后提出一个新的通道语义提取注意力模块(CSE),用于捕获全局语义信息和通道关系，并预测粗糙包围盒与分类分数；最后采用特征对齐和改进的Fast R-CNN检测头进行精细化处理，进一步提升检测精度，得到最后的分类和回归结果.实验结果表明，该方法在公开航空遥感数据集DOTA上的检测精度达到77.71%,优于其他先进的旋转框目标检测方法.
- 基于深度学习的航空遥感图像目标检测算法研究
- 作者： 常洪彬 来源： 吉林大学 年份： 2022 文献类型 ： 学位论文 关键词： 遥感图像 注意力机制 深度学习 目标检测
- 描述： 基于深度学习的航空遥感图像目标检测算法研究
- 基于改进的SENet航空发动机振动预测
- 作者： 夏存江 詹于游 来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 数据驱动 注意力机制 卷积神经网络 多参数融合 振动预测
- 描述： 为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet(squeeze-and-excitation network)模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR(quick access recorder)数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明：针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。
- 基于注意力机制和CNN-BiLSTM模型的航空发动机剩余寿命预测
- 作者： 张加劲 来源： 电子测量与仪器学报 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 航空发动机 卷积神经网络 剩余寿命 双向长短期记忆网络
- 描述： 航空发动机作为飞机的主要动力源，其可靠性是保证飞机安全的关键。剩余使用寿命预测对于提高航空发动机的可用性和降低其寿命周期成本具有重要意义。针对现有的预测算法存在对航空发动机多维数据特征提取不足的问题，提出了一种基于注意力机制的卷积神经网络和双向长短期网络融合模型。首先，采用卷积神经网络提取特征和双向长短期记忆网络获取特征中的长短期依赖关系；其次，使用注意力机制来突出特征中的重要部分，提高模型预测的准确率。为验证所提出方法的有效性，在C-MAPSS数据集上进行了实验。实验表明，模型可以准确地预测出航空发动机的剩余使用寿命，并比传统方法有着更高的预测精度。