基于优化混合模型的航空发动机剩余寿命预测方法

作者： 刘月峰   张小燕   郭威   边浩东   何滢婕   来源： 计算机应用 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   卷积神经网络   剩余使用寿命   双向长短期记忆网络  

描述： 针对航空发动机剩余使用寿命（RUL）预测方法没有同时加权不同时间步下的数据，包括原始数据和所提取的特征，导致RUL预测准确性较低的问题，提出了一种基于优化混合模型的RUL预测方法。首先，选用三种不同

基于优化混合模型的航空发动机剩余寿命预测方法

作者： 刘月峰   张小燕   郭威   边浩东   何滢婕   来源： 计算机应用 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   卷积神经网络   剩余使用寿命   双向长短期记忆网络  

描述： 针对航空发动机剩余使用寿命（RUL）预测方法没有同时加权不同时间步下的数据，包括原始数据和所提取的特征，导致RUL预测准确性较低的问题，提出了一种基于优化混合模型的RUL预测方法。首先，选用三种不同

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： 突破,而基于卷积神经网络的航空器目标检测识别算法充分利用了计算硬件的优势,大大缩短了任务耗时。在符合应用场景的自采数据集上进行测试,所提算法目标检测实时性达到平均每张5.765 s,在召回率65.1

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： 突破,而基于卷积神经网络的航空器目标检测识别算法充分利用了计算硬件的优势,大大缩短了任务耗时。在符合应用场景的自采数据集上进行测试,所提算法目标检测实时性达到平均每张5.765 s,在召回率65.1

不完整实例引导的航空发动机叶片实例分割

作者： 黄睿     张超群     成旭毅     邢艳     张宝   来源： 计算机应用 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   损伤检测   实例分割   发动机叶片   交互式分割  

描述： 当前基于深度学习的实例检测方法在进行发动机叶片分割时，由于缺少带标注的发动机叶片数据，导致无法充分训练网络模型，仅得到次优的分割结果。为了提升航空发动机叶片实例分割精度，提出了不完整实例引导

不完整实例引导的航空发动机叶片实例分割

作者： 黄睿   张超群   成旭毅   邢艳   张宝   来源： 计算机应用 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   损伤检测   实例分割   发动机叶片   交互式分割  

描述： 56张图像上进行测试。提出的不完整实例引导的航空发动机叶片实例分割方法的平均精度（mAP）比SparseInst的平均精度高5.1个百分点。所提算法的结果均优于当前流行的实例分割方法MASK R-CNN、YOLACT、BMASK-RCNN的结果。

不完整实例引导的航空发动机叶片实例分割

作者： 黄睿   张超群   成旭毅   邢艳   张宝   来源： 计算机应用 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   损伤检测   实例分割   发动机叶片   交互式分割  

描述： 56张图像上进行测试。提出的不完整实例引导的航空发动机叶片实例分割方法的平均精度（mAP）比SparseInst的平均精度高5.1个百分点。所提算法的结果均优于当前流行的实例分割方法MASK R-CNN、YOLACT、BMASK-RCNN的结果。

不完整实例引导的航空发动机叶片实例分割

作者： 黄睿   张超群   成旭毅   邢艳   张宝   来源： 计算机应用 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   损伤检测   实例分割   发动机叶片   交互式分割  

描述： 56张图像上进行测试。提出的不完整实例引导的航空发动机叶片实例分割方法的平均精度（mAP）比SparseInst的平均精度高5.1个百分点。所提算法的结果均优于当前流行的实例分割方法MASK R-CNN、YOLACT、BMASK-RCNN的结果。

不完整实例引导的航空发动机叶片实例分割

作者： 黄睿   张超群   成旭毅   邢艳   张宝   来源： 计算机应用 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   损伤检测   实例分割   发动机叶片   交互式分割  

描述： 56张图像上进行测试。提出的不完整实例引导的航空发动机叶片实例分割方法的平均精度（mAP）比SparseInst的平均精度高5.1个百分点。所提算法的结果均优于当前流行的实例分割方法MASK R-CNN、YOLACT、BMASK-RCNN的结果。