首页>
根据【关键词:自适应阈值焦点损失,YOLOv10,合成孔径雷达,目标检测,上下文聚合模块】搜索到相关结果 193 条
-
飞行器位姿估计及对地面目标定位测速方法研究
-
作者:
滕锡超
来源:
国防科技大学
年份:
2019
文献类型 :
学位论文
关键词:
飞行器结构提取
傅里叶梅林变换
数字高程模型
目标定位测速
合成孔径雷达
视觉传感器
密度聚类
位姿估计
-
描述:
飞行器位姿估计及对地面目标定位测速方法研究
-
基于生成对抗网络的半监督遥感图像飞机检测
-
作者:
陈国炜
刘磊
郭嘉逸
潘宗序
胡文龙
来源:
中国科学院大学学报
年份:
2021
文献类型 :
期刊
关键词:
生成对抗网络
目标检测
半监督学习
-
描述:
遥感图像上的飞机目标检测是一件极富挑战性的工作,吸引了广大研究者的兴趣。基于人工神经网络的方法是当前遥感图像飞机目标检测的主流方法,这类方法要求人工标记大量的数据用于训练。对训练图像的人工标注工作
-
基于生成对抗网络的半监督遥感图像飞机检测
-
作者:
陈国炜
刘磊
郭嘉逸
潘宗序
胡文龙
来源:
中国科学院大学学报
年份:
2021
文献类型 :
期刊
关键词:
生成对抗网络
目标检测
半监督学习
-
描述:
遥感图像上的飞机目标检测是一件极富挑战性的工作,吸引了广大研究者的兴趣。基于人工神经网络的方法是当前遥感图像飞机目标检测的主流方法,这类方法要求人工标记大量的数据用于训练。对训练图像的人工标注工作
-
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
-
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
-
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
-
基于多分辨率遥感影像的飞机检测研究
-
作者:
侯宇青阳
全吉成
魏湧明
来源:
激光与光电子学进展
年份:
2018
文献类型 :
期刊
关键词:
显著性提取
遥感影像
目标检测
深度学习
-
描述:
结论基础上设计了基于显著性检测算法的遥感图像前期处理算法,算法基于生成的显著性图像生成图像掩膜提取潜在目标区域图像块,进行多尺度放大,增加图像中目标的像素数,提升目标检测率。前期处理算法自适应的进行
-
基于改进候选区域网络的红外飞机检测
-
作者:
姜晓伟
王春平
付强
来源:
激光与红外
年份:
2019
文献类型 :
期刊
关键词:
聚类
红外飞机
卷积神经网络
目标检测
-
描述:
为较好地解决防空武器成像系统对空中红外飞机的检测问题。首先简要地概括了卷积神经网络的兴起和应用,其次在引入基于深度学习的目标检测模型Faster R-CNN的基础上,详细地介绍了经典K-means
-
基于军事飞机图像结合FCN的目标检测技术应用
-
作者:
张春雷
来源:
电子测试
年份:
2019
文献类型 :
期刊
关键词:
特征提取
全卷积神经网络
目标检测
-
描述:
图像分割是图像识别和目标检测的重要工作,军事图像目标检测与准确分割是分析军事目标的核心工作。针对这一工作,本文将全卷积神经网络(全卷积神经网络)应用在军事飞机图像的目标获取上,通过全卷积神经网络强大的特征提取和识别能力,准确获取目标区域,对分析图像信息提供参考性意义。
-
基于军事飞机图像结合FCN的目标检测技术应用
-
作者:
张春雷
来源:
电子测试
年份:
2019
文献类型 :
期刊
关键词:
特征提取
全卷积神经网络
目标检测
-
描述:
图像分割是图像识别和目标检测的重要工作,军事图像目标检测与准确分割是分析军事目标的核心工作。针对这一工作,本文将全卷积神经网络(全卷积神经网络)应用在军事飞机图像的目标获取上,通过全卷积神经网络强大的特征提取和识别能力,准确获取目标区域,对分析图像信息提供参考性意义。