首页>
根据【关键词:生成对抗网络,目标检测,半监督学习 】搜索到相关结果 81 条
基于CenterNet的航空遥感图像目标检测
作者:
杨曦中
高冠鸿
熊智
张玲
来源:
航空电子技术
年份:
2022
文献类型 :
期刊
关键词:
目标检测
深度学习
神经网络
CenterNet
描述:
为实现高精度的航空图像目标检测,将Anchor free的目标检测算法CenterNet应用到检测中,同时使用Resnet50主干网络,并引入CIoU损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD与DIOR数据集上进行测试,结果显示在保证网络轻量化的前提下检测精度有明显的提高,证明了算法在航空目标检测方面的可行性与准确性。
基于深度学习的遥感影像飞机检测方法研究
作者:
谢奇芳
来源:
中国地质大学(北京)
年份:
2019
文献类型 :
学位论文
关键词:
高分辨率遥感影像
卷积神经网络
深度学习
目标检测
描述:
基于深度学习的遥感影像飞机检测方法研究
SAR图像飞机检测技术研究
作者:
王鑫辉
来源:
上海交通大学
年份:
2020
文献类型 :
学位论文
关键词:
特征提取
机器学习
SAR
目标检测
描述:
SAR图像飞机检测技术研究
基于YOLOv4的航空发动机叶片凸台目标检测
作者:
陈为
钟欣童
张婧
李泽辰
来源:
计算机仿真
年份:
2022
文献类型 :
期刊
关键词:
数据增强
目标检测
叶片凸台检测
聚类分析
描述:
针对航空发动机内部检测叶片凸台缺陷的问题,提出了一种基于YOLOv4(You Only Look Once)的目标检测算法。算法使用迁移学习加载了在coco公开数据集上训练的预训练模型权重,为了更好的适应对凸台检测中小目标、结构复杂的特点,通过聚类分析的方法调整先验框尺寸,同时对原始数据集使用Mosaic方法进行数据增强。实验结果表明,改进后的YOLOv4模型在检测精度上提高了15.85%,召回率提高了21%,平均交并比可达0.75,检测性能优于在同一数据集中使用的SSD目标检测算法。
面向遥感影像飞机目标检测的模型压缩技术研究与应用
作者:
徐晗智
来源:
中国电子科技集团公司电子科学研究院
年份:
2020
文献类型 :
学位论文
关键词:
遥感影像
目标检测
模型压缩
系统设计
描述:
面向遥感影像飞机目标检测的模型压缩技术研究与应用
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
平面上多核心Voronoi图的算法研究及应用
作者:
周晓芸
来源:
南昌大学
年份:
2021
文献类型 :
学位论文
关键词:
DBSCAN聚类
目标检测
Voronoi图
多边形集合
描述:
平面上多核心Voronoi图的算法研究及应用
基于多尺度卷积神经网络的飞机识别定位系统的设计
作者:
李昭
来源:
西安电子科技大学
年份:
2022
文献类型 :
学位论文
关键词:
卷积神经网络
飞机定位系统
目标检测
图像分割
描述:
基于多尺度卷积神经网络的飞机识别定位系统的设计
基于多结构卷积神经网络的高分遥感影像飞机目标检测
作者:
姚相坤
万里红
霍宏
方涛
来源:
计算机工程
年份:
2017
文献类型 :
期刊
关键词:
特征提取
卷积神经网络
多结构网络
目标检测
高分遥感影像
描述:
传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。针对该问题,构建一种多结构卷积神经网络模型(MSCNN)自动学习目标特征。通过改变卷积滤波器尺寸、数量以及网络层数,分别设计4种不同结构的CNN以提取目标从低层、中层到高层不同尺度的特征信息,并将4种CNN输出采用串行方式连接并输入到BP神经网络分类器进行训练。在检测阶段采用滑动窗口方法进行目标搜索。对高分辨遥感影像中飞机的检测实验结果表明,MSCNN在虚警率和召回率上较4种单一结构的CNN具有明显的检测优势,召回率平均提升6%,虚警率平均降低3%。对油罐的检测结果进一步表明,MSCNN可以推广到对遥感影像其他目标的检测。