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DFECANet的遥感图像飞机目标检测方法
- 作者： 单慧琳 吕宗奎 付相为 胡宇翔 段修贤 张银胜 来源： 电子测量与仪器学报 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像 特征上采样 图像处理 目标检测 多尺度特征融合
- 描述： 针对现有的遥感图像目标检测方法中对小尺寸飞机目标的检测精度不高、特征信息传递不准确、信息交互不充分等问题，提出了一种基于可辨别特征提取和上下文感知的遥感图像飞机目标检测方法。设计了以可辨别特征提取
- 基于优化Mask-RCNN算法的遥感飞机目标检测
- 作者： 葛海婷 杨铁梅 来源： 太原科技大学学报 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像 RCNN 深度学习 目标检测 Mask
- 描述： 针对传统的图像检测算法在遥感领域中存在的问题，将改进的Mask-RCNN检测算法应用于遥感领域。通过优化Resnet特征提取网络，提高算法的特征提取能力；通过改进NMS非极大值抑制网络，优化区域推荐网络。并在自建的遥感飞机数据集上验证算法的稳定性以及有效性。经检测，改进的算法能够提升遥感图像中飞机的检测精度，并且有效降低了飞机目标的误检和漏检问题。
- 基于深度学习的高分辨率遥感影像飞机掩体检测方法
- 作者： 史姝姝 陈永强 王樱洁 王春乐 来源： 激光与光电子学进展 年份： 2024 文献类型 ： 期刊 关键词： 遥感影像 目标检测 深度学习 旋转框 遥感
- 描述： 高分辨率遥感影像数据集。对比Faster R-CNN、SSD、RetinaNet、YOLOv3和YOLOX等5个深度学习目标检测模型的综合性能，结果表明，在飞机掩体影像数据集上YOLOX模型表现更佳
- 基于改进YOLOv5s的飞机起落架安全销检测算法
- 作者： 陈世嘉 叶剑元 龚轩 曾康 倪鹏程 来源： 计算机科学 年份： 2025 文献类型 ： 期刊 关键词： 起落架安全销 YOLOv5 深度学习 目标检测 坐标注意力
- 描述： 基于改进YOLOv5s的飞机起落架安全销检测算法
- 基于深度学习的光学遥感图像飞机检测算法
- 作者： 董永峰 仉长涛 汪鹏 冯哲 来源： 激光与光电子学进展 年份： 2021 文献类型 ： 期刊 关键词： 遥感图像 卷积神经网络 图像处理 目标检测 深度学习 Mask RCNN算法
- 描述： 光学遥感图像目标检测一直都是遥感领域研究的热点之一,但现有的检测方法对背景复杂且尺寸较小的目标检测准确率不高。针对以上问题,提出了一种以Mask-RCNN为基础框架的目标检测方法。该算法以
- 一种RetinaNet与SE融合的航空取证目标检测算法
- 作者： 刘克 潘广煜 郑大国 顾佼佼 孟春英 来源： 现代防御技术 年份： 2022 文献类型 ： 期刊 关键词： 数据均衡 目标检测 航空取证 SE模块 通道注意力 RetinaNet
- 描述： 针对在开展航空侦察取证时缺乏自动化、智能化取证手段的情况，提出了一种基于RetinaNet与SE融合的航空取证目标检测算法，解决目标尺度变化大、数据集中类别不均衡的问题，并通过SE
- 基于深度学习的光学遥感图像飞机检测算法
- 作者： 董永峰 仉长涛 汪鹏 冯哲 来源： 激光与光电子学进展 年份： 2020 文献类型 ： 期刊 关键词： 遥感图像 卷积神经网络 图像处理 目标检测 深度学习 Mask RCNN算法
- 描述： 基于深度学习的光学遥感图像飞机检测算法
- 一种结合非顶层特征图和自适应阈值的飞机目标检测算法
- 作者： 谭振宇 江刚武 刘建辉 来源： 测绘科学技术学报 年份： 2020 文献类型 ： 期刊 关键词： R RPN网络 目标检测 Faster CNN模型 飞机 特征图
- 描述： 一种结合非顶层特征图和自适应阈值的飞机目标检测算法
- 基于SW/YOLO模型的航空发动机叶片损伤实时检测
- 作者： 何宇豪 曹学国 刘信良 蒋浩坤 王静秋 来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 实时检测 叶片损伤 深度学习 目标检测 孔探检测
- 描述： 孔探检测技术是航空发动机叶片损伤检测的主要手段，但目前依赖人工操作，耗时耗力。本文提出了一个孔探视频检测的SW/YOLO模型，该模型包括输入端、主干网络、颈部网络、头部网络4个模块。首先，在主干网络加入了空间通道注意力模块（Spatial Channel / Convolutional Block Attention Module，SC/CBAM），有效避免位置信息丢失，提高目标边界回归能力，相较于YOLOv5，其平均精度均值mAP@0.5提高了5.4%。其次，在颈部网络对特征金字塔网络（Feature Pyramid Network，FPN）进行了改进，通过融合低层特征，扩大了模型感受野，有利于较小损伤区域的检测，如烧蚀损伤，平均精度提高了8.1%。最后，通过与YOLOv5，Faster R/CNN，SSD模型的对比实验，结果表明SW/YOLO模型的平均精度均值分别提高了7%，6.2%，6.3%，检测速度满足实时检测需求，有利于提高航空发动机孔探检测的自动化和智能化水平。