全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于卷积神经网络的遥感图像飞机目标识别
- 作者： 晁安娜 刘坤 来源： 微型机与应用 年份： 2018 文献类型 ： 期刊 关键词： 遥感图像 卷积神经网络 飞机识别 深度学习
- 描述： 遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用卷积神经网络对飞机目标进行识别,避免了在特征提取过程中信息的丢失,提高了识别率。实验结果证明了该算法在遥感图像飞机目标识别中的可行性,能克服尺度变化及目标姿态变化等因素的影响。同时提出的算法较传统CNN、BP神经网络和支持向量机(SVM)方法具有更好的识别效果,鲁棒性更强。
- 航空轮胎有限元分析
- 作者： 刘坤 苏彤 王典 来源： 激光与光电子学进展 年份： 2018 文献类型 ： 期刊 关键词： 卷积神经网络 深度学习 模糊不变 目标识别
- 描述： 由于采集、运动以及聚焦等导致的目标模糊是目标识别率偏低的一个主要问题,因此本文提出一种基于模糊不变卷积神经网络模型BICNN(Blur-Invariant Convolutional Neural Network)的目标识别方法。与仅优化多项式逻辑回归目标的传统CNN(Convolutional Neural Network)模型的训练不同,BICNN引入和学习一个新的模糊不变层改善模糊目标的识别率,提高目标识别的鲁棒性。首先,BICNN通过增加模糊不变约束项及正则化来优化本文提出的模糊不变目标函数进行训练;其次,通过减小模糊不变目标函数值来规定训练样本在模糊之前和之后的特征映射相一致,最终实现模糊不变性。测试结果表明验证,BICNN改善了因模糊造成识别率降低的问题,进而提升运动模糊图像的识别率。
- 卷积神经网络及其在航空视觉任务中的应用展望
- 作者： 漆昇翔 裘旭益 张伟 来源： 航空电子技术 年份： 2019 文献类型 ： 期刊 关键词： 卷积神经网络 计算机视觉 深度学习 航空航天
- 描述： 从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。
- 基于深度卷积神经网络的航空器检测与识别
- 作者： 俞汝劼 杨贞 熊惠霖 来源： 计算机应用 年份： 2017 文献类型 ： 期刊 关键词： 卷积神经网络 深度学习 目标检测识别 航空器检测
- 描述： %的工作点上达到了79.2%的精确率,分类网络的实时性达到平均每张0.972 s,Top-1错误率为13%。所提框架在军用机场大尺寸卫星图像中航空器检测识别的具体应用问题上提出了新的解决思路,同时保证了实时性和算法精度。
- 基于深度学习的航空器异常飞行状态识别
- 作者： 吴奇 储银雪 来源： 民用飞机设计与研究 年份： 2018 文献类型 ： 期刊 关键词： 飞行状态识别 深度学习 高斯过程
- 描述： 大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏
- 基于深度学习的航空装备保障初级指挥专业人才培养探索
- 作者： 王利明 祝华远 纪云飞 马海洋 刘杨 来源： 大学教育 年份： 2023 文献类型 ： 期刊 关键词： 初级指挥 培养方式 深度学习 航空装备保障
- 描述： 该研究基于深度学习理论，从情感、行为、认知3个层面，采取认知重组、联系、反馈、参与、问题、激励、交互、拓展8项策略，构建了以16项教学活动为主体的深度学习策略模型，探索了课程与教学活动相耦合的人才培养方式。教学实践表明，该研究使航空装备保障初级指挥专业人才培养的“指挥管理”特质得到巩固强化。
- 基于深度学习的航空影像非正规垃圾堆放点监测技术研究与实践
- 作者： 李军吉 应良中 陶文旷 来源： 测绘通报 年份： 2023 文献类型 ： 期刊 关键词： 深度学习 无人机 航空影像 非正规垃圾堆放点
- 描述： 绍兴市越城区、柯桥区和上虞区作为研究区域，利用飞马航测无人机获取航空影像数据，对比分析了本文提出的方法和基于深度学习的典型地物要素提取方法在非正规垃圾堆放点监测上的应用，试验结果表明本文提出的方法准确率提高了1.72倍。
- 基于关键点检测的航空发动机螺栓安装缺陷自动化检测方法
- 作者： 辛佳雯 王睿 谢艳霞 孙军华 来源： 仪器仪表学报 年份： 2023 文献类型 ： 期刊 关键词： 关键点检测 深度学习 双目立体视觉 缺陷检测
- 描述： 针对航空发动机螺栓存在背景复杂、目标小、且精细特征不明显的问题，本文研究了一种基于关键点检测的航空发动机螺栓安装缺陷的自动化检测方法。首先设计了基于Faster RCNN和改进CPN（AD-CPN）的级联卷积神经网络，实现了图像中螺栓及二维关键点的检测，可判断该螺栓是否脱落、漏装。为进一步检测螺栓的三维安装缺陷，通过欧氏距离选择策略对已检测出的关键点进行双目匹配、筛选以获得检测点对，最后对检测点对三维重构，并计算出螺栓的实际长度，从而判断螺栓是否错装。实验结果表明，相较于CPN,AD-CPN的mAP、AP50、AP75分别提升了2.9%、3.3%、4%;螺栓测量长度的相对平均误差约为3.0%,可见该方法具有较高的缺陷检测准确率，有效保障了航空发动机的安全运行。