一种基于级联神经网络的飞机检测方法

作者： 王晓林   苏松志   刘晓颖   蔡国榕   李绍滋   来源： 智能系统学报 年份： 2021 文献类型 ： 期刊 关键词： 嵌入式设备   遥感图像   级联   卷积神经网络   两阶段   深度学习   飞机检测   由粗到细  

描述： 了由粗到细的策略,通过级联两个网络的方式减少计算开销。为了评估方法的有效性,我们建立了一个针对飞机检测的遥感数据集。实验结果表明,该方法超越了VGG16等复杂的主干网络,达到了接近主流检测方法的性能表现,同时显著降低了参数量并使检测速度提高了2倍以上。

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

基于深度学习的民机系统维修决策研究

作者： 车畅畅   来源： 南京航空航天大学 年份： 2018 文献类型 ： 学位论文 关键词： 维修决策   深度信念网络   维修等级决策   深度学习   结构方程模型   维修感知   民机系统   故障预测  

描述： 基于深度学习的民机系统维修决策研究

大面幅光学遥感影像飞行器目标快速检测

作者： 张作省   来源： 中国科学院大学(中国科学院长春光学精密机械与物理研究所) 年份： 2018 文献类型 ： 学位论文 关键词： YOLO   遥感影像   遥感视频   飞行器检测   深度学习   目标识别   机场检测   残差网络  

描述： 大面幅光学遥感影像飞行器目标快速检测

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

基于深度学习的民机系统维修决策研究

作者： 车畅畅   来源： 南京航空航天大学 年份： 2018 文献类型 ： 学位论文 关键词： 维修决策   深度信念网络   维修等级决策   深度学习   结构方程模型   维修感知   民机系统   故障预测  

描述： 基于深度学习的民机系统维修决策研究

大面幅光学遥感影像飞行器目标快速检测

作者： 张作省   来源： 中国科学院大学(中国科学院长春光学精密机械与物理研究所) 年份： 2018 文献类型 ： 学位论文 关键词： YOLO   遥感影像   遥感视频   飞行器检测   深度学习   目标识别   机场检测   残差网络  

描述： 大面幅光学遥感影像飞行器目标快速检测

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。