首页>
根据【关键词:注意力机制,损伤检测,航空发动机,YOLOv7模型,深度学习】搜索到相关结果 1720 条
-
联合多尺度特征和注意力机制的遥感影像飞机目标检测
-
作者:
徐佰祺
江刚武
刘建辉
王鑫
魏祥坡
余培东
来源:
测绘科学技术学报
年份:
2021
文献类型 :
期刊
关键词:
YOLO
注意力机制
特征融合
遥感影像
V4算法
飞机目标检测
-
描述:
针对遥感影像飞机目标尺寸小、特征不明显的问题,在YOLO V4的基础上,提出一种联合多尺度特征和注意力机制的遥感影像飞机目标检测方法。该方法扩大了特征融合时尺度的范围,增强了对低层特征和小目标信息
-
联合多尺度特征和注意力机制的遥感影像飞机目标检测
-
作者:
徐佰祺
江刚武
刘建辉
王鑫
魏祥坡
余培东
来源:
测绘科学技术学报
年份:
2021
文献类型 :
期刊
关键词:
YOLO
注意力机制
特征融合
遥感影像
V4算法
飞机目标检测
-
描述:
针对遥感影像飞机目标尺寸小、特征不明显的问题,在YOLO V4的基础上,提出一种联合多尺度特征和注意力机制的遥感影像飞机目标检测方法。该方法扩大了特征融合时尺度的范围,增强了对低层特征和小目标信息
-
基于两阶段迁移学习的Multi-scale SE-ResNet50深度卷积神经网络的多标签航空图像分类问题研究
-
作者:
刘乙萱
苏鑫
来源:
数学的实践与认识
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
ResNet50
航空图像分类
多标签
多尺度特征融合
迁移学习
-
描述:
ResNet50为核心的深度卷积特征提取网络.通过设计多尺度特征提取模块,增强模型对特征的细化能力;采取SENet与ResNet残差模块进行级联的方式在模型中嵌入通道注意力机制,强化对特征图中关键通道信息
-
航空机载红外图像的车辆目标自主检测识别
-
作者:
杨雪
修吉宏
刘小嘉
罗宁
来源:
激光与红外
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
RFBs
YOLOv5
目标检测
红外图像
BiFPN
-
描述:
添加CBAM注意力机制以提升检测精度。实验结果表明:在DroneVehicle数据集上的检测效果要优于原始网络,精确率(Precision)提升2.8%,召回率(Recall)提升16%,平均精度(mAP)提升2.3%。结论:可有效应用于航空红外图像的车辆自主检测识别。
-
基于改进YOLOv4的航空发动机叶片损伤检测
-
作者:
王倩岚
刘文波
滕子煜
单永奇
来源:
机械制造与自动化
年份:
2025
文献类型 :
期刊
关键词:
注意力机制
扩张卷积
叶片损伤
发动机
目标检测
YOLOv4
-
描述:
基于改进YOLOv4的航空发动机叶片损伤检测
-
RT- DETR- MAR军用飞机遥感图像识别研究
-
作者:
刘春鑫
白童
王健
来源:
航空计算技术
年份:
2025
文献类型 :
期刊
关键词:
DETR
注意力机制
RT
多目标检测
小目标检测
遥感图像识别
-
描述:
RT- DETR- MAR军用飞机遥感图像识别研究
-
融合注意力机制的航空发动机推力估计方法研究
-
作者:
邹雨杭
赵永平
来源:
航空工程进展
年份:
2025
文献类型 :
期刊
关键词:
注意力机制
时间序列预测
LSTM
多任务学习
推力估计
迁移学习
-
描述:
融合注意力机制的航空发动机推力估计方法研究
-
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:
的散射机制及面临的技术难点,阐述了SAR飞机目标检测识别的系统流程、技术路线和关键科学问题,对基于传统与基于深度学习两个方面的飞机目标检测识别的研究进展进行了归纳总结,并讨论了各类方法的特点及存在
-
基于深度学习的离场航空器滑行时间预测(英文)
-
作者:
李楠
焦庆宇
朱新华
王少聪
来源:
Transactions of Nanjing University of Aeronautics and Astronautics
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
场面运行
滑行时间
深度学习
航空运输
-
描述:
起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model
-
光学遥感图像中的飞机目标检测技术研究综述
-
作者:
祝文韬
谢宝蓉
王琰
沈霁
朱浩文
来源:
计算机科学
年份:
2021
文献类型 :
期刊
关键词:
机器学习
光学遥感图像
深度学习
飞机目标检测
模板匹配
-
描述:
飞机目标检测方法总结为3类,对这3类检测方法的概念和研究情况分别进行了阐述,并在此基础上进行了比较分析,重点研究了深度学习方法在该领域的研究情况并讨论了样本和数据集问题,最后讨论了飞机目标检测的关键技术难点,并对该领域的未来发展趋势做了展望。