首页
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻动态
全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
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
按文献类别分组
学位论文
(44)
期刊
(37)
按栏目分组
学位论文
(44)
期刊
(37)
按年份分组
2023
(4)
2022
(21)
2021
(19)
2020
(20)
2019
(11)
2018
(5)
2017
(1)
按来源分组
西安电子科技大学
(7)
激光与光电子学进展
(5)
计算机工程
(4)
北京交通大学
(3)
北京邮电大学
(3)
中国民航大学
(3)
青岛科技大学
(2)
雷达学报
(2)
中国科学数据(中英文网络版)
(2)
电子测试
(2)
山东大学
(2)
中国科学:技术科学
(2)
仪器仪表学报
(2)
中国科学院大学学报
(2)
兵工自动化
(1)
深圳大学
(1)
哈尔滨工业大学
(1)
电光与控制
(1)
南昌大学
(1)
吉林大学
(1)
吉林大学学报(理学版)
(1)
中国电子科技集团公司电子科学研究院
(1)
计算机仿真
(1)
上海交通大学
(1)
中国地质大学(北京)
(1)
航空电子技术
(1)
激光与红外
(1)
系统工程与电子技术
(1)
华南理工大学
(1)
中国计量大学
(1)
关键词
高分辨率遥感图像中飞机目标自动检测方法研究
作者:
任瑞龙
来源:
电子科技大学
年份:
2019
文献类型 :
学位论文
关键词:
遥感图像
语义分割
深度学习
目标检测
飞机
描述:
高分辨率遥感图像中飞机目标自动检测方法研究
基于YOLOv3算法的深度神经网络在飞机表面缺陷识别中的应用
作者:
陈从翰
来源:
中国民用航空飞行学院
年份:
2020
文献类型 :
学位论文
关键词:
深度神经网络
目标检测
YOLOv3
表面缺陷
飞机
描述:
基于YOLOv3算法的深度神经网络在飞机表面缺陷识别中的应用
基于改进YOLOv5的轻量化航空目标检测方法
作者:
杨小冈
高凡
卢瑞涛
李维鹏
张涛
曾俊
来源:
信息与控制
年份:
2022
文献类型 :
期刊
关键词:
注意力
通道剪枝
深度学习
目标检测
模型压缩
描述:
,设计通道注意力增强结构MNtECA(MobileNetv3 with Efficient Channel Attention)提高特征提取能力;其次在深度可分离卷积层增加
1
×
1
的卷积,在减少卷积结构参数
遥感图像中飞机目标提取的深度学习方法研究
作者:
赵丹新
来源:
中国科学院大学(中国科学院上海技术物理研究所)
年份:
2018
文献类型 :
学位论文
关键词:
遥感图像
多尺度检测
目标检测
深度学习
透视校正
描述:
遥感图像中飞机目标提取的深度学习方法研究
复杂场景下飞机目标检测与跟踪技术研究
作者:
刘海燕
来源:
哈尔滨工程大学
年份:
2019
文献类型 :
学位论文
关键词:
复杂场景
卷积神经网络
遥感视频
目标检测
目标自动跟踪
描述:
复杂场景下飞机目标检测与跟踪技术研究
四旋翼飞行器移动目标跟踪控制研究
作者:
刘亮
来源:
西安电子科技大学
年份:
2020
文献类型 :
学位论文
关键词:
四旋翼无人机
目标检测
PID
自抗扰控制
目标跟踪
描述:
四旋翼飞行器移动目标跟踪控制研究
面向航空目标检测的神经网络加速器设计
作者:
施立瑞
王帅帅
肖昊
来源:
航空科学技术
年份:
2022
文献类型 :
期刊
关键词:
卷积神经网络
FPGA
目标检测
Winograd算法
加速器
描述:
卷积神经网络被广泛应用于航空图像目标检测领域。然而,由于航空图像成像背景环境复杂、目标尺寸小且方向任意,为了提取更高层次的特征信息,神经网络模型的结构复杂度不断提高,使得模型计算复杂度高、计算时间长,从而难以满足航空目标检测的实时性需求。本文提出了一种面向航空目标检测的基于Winograd算法的神经网络加速器,通过Winograd卷积算法可大幅减少卷积计算中的乘法数量,并针对Winograd卷积在神经网络计算中由于时域变换引入额外加法计算的问题,提出了一种深流水的矩阵变换计算结构,通过复用加法计算的中间结果以及调整运算顺序减少输入和输出变换的计算量。同时,针对加速器的现场可编程门阵列(FPGA)实现,提出了一种高效的数据流形式和DSP阵列结构。试验结果表明,本文提出的加速器相比CPU和GPU分别获得了32倍和2.6倍的速度提升。
基于剪枝和去噪的航空发动机故障图像识别与预测
作者:
傅荣春雪
刘君强
冯潇楠
余卓倩
来源:
航空计算技术
年份:
2023
文献类型 :
期刊
关键词:
YOLO
图像去噪
目标检测
孔探图像
剪枝算法
描述:
航空发动机叶片作为航空器重要的零件,其健康状况直接关系到航班的运行安全。叶片由于工作环境恶劣很容易产生裂纹、掉块、烧灼等损伤,目前基于孔探技术的叶片损伤检测以人工为主,检测结果在很大程度上受到人为因素的影响。因此,实现叶片损伤的自动识别及测量对于减轻劳动强度和提高检测精度都有实际的应用价值。首先选择PRIDnet图像去噪算法对原始孔探图像进行预处理,按照训练精度和训练速度两个指标对传统目标检测模型进行通道剪枝和微调。数据集采用国内某航空公司获取到CFM56型发动机在实际运营后机务人员所拍摄的孔探图像,实验结果表明,相比于原始目标检测YOLOv5算法和未经图像预处理的目标检测模型,本方法对航空发动机孔探图像内损伤的检测精度提高4%~10%,在检测效率上提高6%~20%。
基于YOLO-CapsNet的航空发动机叶片凸台目标检测
作者:
钟欣童
来源:
青岛科技大学
年份:
2021
文献类型 :
学位论文
关键词:
YOLO
深度学习
目标检测
叶片凸台
胶囊网络
描述:
基于YOLO-CapsNet的航空发动机叶片凸台目标检测
基于CNN的航空图像目标检测算法研究
作者:
刘瑞
来源:
电子科技大学
年份:
2021
文献类型 :
学位论文
关键词:
航空图像
CNN
YOLOv5
目标检测
无人机
描述:
基于CNN的航空图像目标检测算法研究
<
1
2
3
...
5
6
7
8
9
>
Rss订阅
订阅地址: