航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

基于深度学习域适应的飞机结冰图像气泡提取方法: 作者： 赵红梅彭博周志宏易贤 来源： 南京航空航天大学学报 年份： 2024 文献类型： 期刊 关键词： 气泡提取 U Attention 图像分割域适应动态结冰 Net; 描述： 针对采用深度学习方法提取结冰显微图像中的气泡需要大量标注数据，但人工标注气泡任务较为困难的问题，提出了一种基于风格迁移网络CycleGAN和图像分割网络Attention U-Net的域适应提取方法。该方法通过程序模拟气泡形态生成的图像为源域，结冰显微图像为目标域，通过CycleGAN将源域图像转为目标域风格，采用风格转换后的源域数据集训练Attention U-Net网络。通过对比实验对无标注结冰图像和少量标注图像两种情况进行验证。实验结果表明，在无标注图像的情况下，可实现无监督的结冰显微图像的气泡提取；在只有少量标注图像的情况下，该方法可实现更精确的气泡提取。

基于多尺度U-Net与Transformer特征融合的航空遥感图像飞机检测方法: 作者： 张善文邵彧李萍令伟锋 来源： 弹箭与制导学报 年份： 2024 文献类型： 期刊 关键词： Transformer Net与Transformer 航空遥感图像飞机检测多尺度U Net; 描述： 航空遥感图像(ARSI)飞机检测一直是一个重要且具有挑战性的课题。针对现有ARSI飞机检测方法(ARSIAD)检测目标的边缘模糊、小目标的检测精度低、没有充分利用ARSI的全局上下文信息等问题，提出一种基于多尺度U-Net与Transformer (MSU-Trans)特征融合的ARSIAD方法。通过多尺度卷积模块Inception提取ARSI中多样性目标的分类特征，通过Transformer增强模型的全局语义检测性能，通过特征融合模块整合高层和低层特征，得到航空目标图像完整的边缘和纹理特征。该模型结合多尺度U-Net较强的局部特征提取能力和Transformer较强的全局上下文依存关系提取能力，进而提高MSU-Trans的整体检测性能。在ARSI集上的试验表明，与U-Net、多尺度U-Net、注意力U-Nets相比，MSU-Trans具有较高的检测精度，精度超过95%,该方法为ARSIAD提供一定的技术支撑。

基于深度学习的航空发动机涡轮叶片烧蚀检测研究: 作者： 陈纪宗. 来源： 中国民用航空飞行学院 年份： 2024 文献类型： 学位论文 关键词： 注意力机制航空发动机自动化检测 语义分割 深度学习; 描述： 基于深度学习的航空发动机涡轮叶片烧蚀检测研究

基于深度学习的航空发动机涡轮叶片烧蚀检测研究: 作者： 陈纪宗. 来源： 中国民用航空飞行学院 年份： 2024 文献类型： 学位论文 关键词： 注意力机制航空发动机自动化检测 语义分割 深度学习; 描述： 基于深度学习的航空发动机涡轮叶片烧蚀检测研究

< 1 >