基于深度学习的机场场面飞机检测跟踪系统设计与实现

作者： 郭进祥   来源： 宁夏大学 年份： 2019 文献类型 ： 学位论文 关键词： ADS   B   飞机跟踪   机场场面   深度学习   飞机检测  

描述： 基于深度学习的机场场面飞机检测跟踪系统设计与实现

飞机发动机枞树槽加工质量检测方法研究

作者： 王军   来源： 天津科技大学 年份： 2019 文献类型 ： 学位论文 关键词： 电火花线切割加工   机器学习   无监督学习   深度学习   枞树槽   加工质量检测  

描述： 飞机发动机枞树槽加工质量检测方法研究

通用航空安全风险分析研究

作者： 于思璇   来源： 南京航空航天大学 年份： 2019 文献类型 ： 学位论文 关键词： 通用航空   深度学习   对应分析   可拓模型   安全管理   稀疏降噪自编码   风险预测  

描述： 通用航空安全风险分析研究

基于数据驱动的飞机机身对接异常检测与状态识别

作者： 蔡畅   来源： 上海交通大学 年份： 2019 文献类型 ： 学位论文 关键词： 数据驱动   飞机机身对接   机器学习   深度学习   状态识别   异常检测  

描述： 基于数据驱动的飞机机身对接异常检测与状态识别

民航突发事件实体识别和关系抽取方法的研究

作者： 李浩飞   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 长短期记忆神经网络   关系抽取   深度学习   实体识别   知识图谱   民航突发事件  

描述： 民航突发事件实体识别和关系抽取方法的研究

基于深度特征的民航发动机气路异常检测方法研究

作者： 罗辉   来源： 哈尔滨工业大学 年份： 2020 文献类型 ： 学位论文 关键词： 民航发动机   气路异常检测   领域自适应   深度特征   深度学习   迁移学习  

描述： 基于深度特征的民航发动机气路异常检测方法研究

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

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： 由于旋转角度多样性、极端的尺度差异的影响,遥感图像中的飞机检测目前仍存在挑战。为了解决旋转和尺度的问题,目前的策略是将现有的自然场景下的目标检测算法(如Faster R-CNN、SSD等)直接迁移到遥感图像中。这些算法的主干网络复杂,模型占用空间大,难以应用到低功耗和嵌入式设备中。为了在准确率不降低的情况下提高检测速度,本文提出了一个仅包含9层的卷积神经网络来解决飞机检测问题。该网络采用了由粗到细的策略,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。