首页>
根据【关键词:注意力机制,合成孔径雷达(SAR),特征融合,飞机检测】搜索到相关结果 282 条
-
基于注意力和自适应特征融合的SAR图像飞机目标检测
-
作者:
夏一帆
赵凤军
王樱洁
王春乐
来源:
电讯技术
年份:
2024
文献类型 :
期刊
关键词:
注意力机制
合成孔径雷达(SAR)
特征融合
飞机检测
-
描述:
飞机目标检测算法。该方法首先在主干网络引入坐标注意力机制,以增强对于飞机散射点组合结构的聚焦能力以及抗背景干扰能力。其次,在特征增强网络中引入自适应特征融合机制,提高了对不同大小飞机的特征提取能力,同时改善
-
基于卷积神经网络的高分辨率SAR图像飞机目标检测方法
-
作者:
王思雨
高鑫
孙皓
郑歆慰
孙显
来源:
雷达学报
年份:
2017
文献类型 :
期刊
关键词:
合成孔径雷达(SAR)
数据增强
视觉显著性
飞机检测
卷积神经网络(CNN)
-
描述:
传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标
-
基于卷积神经网络的高分辨率SAR图像飞机目标检测方法
-
作者:
王思雨
高鑫
孙皓
郑歆慰
孙显
来源:
雷达学报
年份:
2017
文献类型 :
期刊
关键词:
合成孔径雷达(SAR)
数据增强
视觉显著性
飞机检测
卷积神经网络(CNN)
-
描述:
传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标
-
基于卷积神经网络的高分辨率SAR图像飞机目标检测方法
-
作者:
王思雨
高鑫
孙皓
郑歆慰
孙显
来源:
雷达学报
年份:
2019
文献类型 :
期刊
关键词:
合成孔径雷达(SAR)
数据增强
视觉显著性
飞机检测
卷积神经网络(CNN)
-
描述:
传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标
-
基于卷积神经网络的高分辨率SAR图像飞机目标检测方法
-
作者:
王思雨
高鑫
孙皓
郑歆慰
孙显
来源:
雷达学报
年份:
2019
文献类型 :
期刊
关键词:
合成孔径雷达(SAR)
数据增强
视觉显著性
飞机检测
卷积神经网络(CNN)
-
描述:
传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标
-
基于卷积神经网络的高分辨率SAR图像飞机目标检测方法
-
作者:
王思雨
高鑫
孙皓
郑歆慰
孙显
来源:
雷达学报
年份:
2017
文献类型 :
期刊
关键词:
合成孔径雷达(SAR)
数据增强
视觉显著性
飞机检测
卷积神经网络(CNN)
-
描述:
传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标
-
基于卷积神经网络的高分辨率SAR图像飞机目标检测方法
-
作者:
王思雨
高鑫
孙皓
郑歆慰
孙显
来源:
雷达学报
年份:
2017
文献类型 :
期刊
关键词:
合成孔径雷达(SAR)
数据增强
视觉显著性
飞机检测
卷积神经网络(CNN)
-
描述:
传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标
-
基于卷积神经网络的遥感影像飞机检测技术研究
-
作者:
魏万军
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
遥感影像
特征融合
阴影处理
飞机检测
-
描述:
基于卷积神经网络的遥感影像飞机检测技术研究
-
基于卷积神经网络的遥感影像飞机检测技术研究
-
作者:
魏万军
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
遥感影像
特征融合
阴影处理
飞机检测
-
描述:
基于卷积神经网络的遥感影像飞机检测技术研究
-
基于特征融合与软判决的遥感图像飞机检测
-
作者:
朱明明
许悦雷
马时平
李帅
马红强
来源:
光学学报
年份:
2019
文献类型 :
期刊
关键词:
区域卷积神经网络
特征融合
图像处理
软判决
飞机检测
-
描述:
提出了一种特征融合结合软判决的飞机检测方法。以区域卷积神经网络为基本框架,依次采用L2范数归一化、特征连接、尺度缩放和特征降维来融合多层特征。为了降低网络在目标高度重叠时的漏检率,引入软判决来改进