首页>
根据【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】搜索到相关结果 2893 条
-
基于深度学习的航空铆钉分类及异常情况检测
-
作者:
夏正洪
何琥
吴建军
魏汝祥
来源:
中国安全生产科学技术
年份:
2023
文献类型 :
期刊
关键词:
召回率
精确率
深度学习
目标检测
航空铆钉
-
描述:
针对航空铆钉小目标检测准确率较低、速率较慢等问题,提出1种基于深度学习的航空铆钉分类及异常情况检测方法。首先,根据钉头外观对航空铆钉进行分类,制作航空铆钉数据集;然后,构建航空铆钉分类及异常情况检测
-
基于深度学习的航空铆钉分类及异常情况检测
-
作者:
夏正洪
何琥
吴建军
魏汝祥
来源:
中国安全生产科学技术
年份:
2023
文献类型 :
期刊
关键词:
召回率
精确率
深度学习
目标检测
航空铆钉
-
描述:
针对航空铆钉小目标检测准确率较低、速率较慢等问题,提出1种基于深度学习的航空铆钉分类及异常情况检测方法。首先,根据钉头外观对航空铆钉进行分类,制作航空铆钉数据集;然后,构建航空铆钉分类及异常情况检测
-
基于迁移学习和改进Faster-RCNN遥感影像飞机目标检测
-
作者:
周绍鸿
方新建
刘鑫怡
张潆丹
严盛
来源:
机电工程技术
年份:
2024
文献类型 :
期刊
关键词:
遥感影像
目标检测
RCNN
深度学习
Faster
迁移学习
-
描述:
获得更丰富的特征表示,从而提高网络检测和定位目标的能力。以RSOD-Dataset数据集为例进行飞机目标检测实验,同时比较不同检测算法的性能;再以NWPU VHR-10数据集验证模型的泛化性和稳定性
-
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
-
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
-
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
-
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
-
基于深度学习的航空发动机剩余使用寿命预测研究
-
作者:
温海茹
来源:
内燃机与配件
年份:
2021
文献类型 :
期刊
关键词:
航空发动机
深度学习
剩余使用寿命预测
-
描述:
随着深度学习不断的发展,航空发动机成为近年来的研究热点,其寿命预测的研究也受到了研究学者的关注。本文主要介绍航空发动机的剩余使用寿命预测背景,数据获取过程及基于深度学习的剩余使用寿命的预测方法,以及深度学习在航空发动方面预测的难点和发展趋势。
-
基于Transformer的多特征融合的航空发动机剩余使用寿命预测
-
作者:
马依琳
陶慧玲
董启文
王晔
来源:
华东师范大学学报(自然科学版)
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
Transformer
深度学习
剩余使用寿命
-
描述:
发动机作为飞机的核心部件,对飞机运行起着至关重要的作用.对航空发动机做准确的剩余使用寿命预测,能够提前进行维护诊断,预防重大事故的发生,节约维护成本.针对现有的方法缺乏对不同时间步长的考虑以及不同
-
基于深度学习的航空发动机剩余使用寿命预测研究
-
作者:
温海茹
来源:
内燃机与配件
年份:
2021
文献类型 :
期刊
关键词:
航空发动机
深度学习
剩余使用寿命预测
-
描述:
随着深度学习不断的发展,航空发动机成为近年来的研究热点,其寿命预测的研究也受到了研究学者的关注。本文主要介绍航空发动机的剩余使用寿命预测背景,数据获取过程及基于深度学习的剩余使用寿命的预测方法,以及深度学习在航空发动方面预测的难点和发展趋势。