混合注意力特征增强的航空图像目标检测

作者： 管文青     周世斌     张国鹏   来源： 计算机工程与应用 年份： 2024 文献类型 ： 期刊 关键词： 航空图像   旋转目标检测   注意力机制   Transformer  

描述： DOTA航空数据集上对HA-Net进行评估，在单尺度和多尺度测试上评估指标mAP分别达到77.04%和78.28%，较基准网络，mAP分别提升了2.38个百分点和3.62个百分点。在HRSC2016数据集上mAP达到89.95%。实验结果的提升证明了HA-Net在航空图像目标检测中的有效性。

基于航空图像的目标检测算法Trans＿YOLOv5

作者： 文青     伍欣     敖斌     李宽     殷建平   来源： 计算机技术与发展 年份： 2024 文献类型 ： 期刊 关键词： 航空图像   Transformer   YOLOv5   圆形平滑标签   小目标检测   Swin  

描述： 角度回归问题转换为分类问题，提高角度标签检测的精度。针对航空图像小目标检测问题，将Swin Transformer集成于YOLOv5框架中，提升模型对小目标的检测效果，并配合注意力机制模块，提高全局表征

基于知识图谱的民航空管安全分析方法研究与应用

作者： 赵宇鹏.   来源： 电子科技大学 年份： 2024 文献类型 ： 学位论文 关键词： 子图提取   图神经网络   Transformer   链接预测  

描述： 基于知识图谱的民航空管安全分析方法研究与应用

基于知识图谱的民航空管安全分析方法研究与应用

作者： 赵宇鹏.   来源： 电子科技大学 年份： 2024 文献类型 ： 学位论文 关键词： 子图提取   图神经网络   Transformer   链接预测  

描述： 基于知识图谱的民航空管安全分析方法研究与应用

低转速航空发动机滚动轴承故障深度异常检测方法

作者： 康玉祥     陈果     盛嘉玖     王浩     尉询楷   来源： 振动与冲击 年份： 2024 文献类型 ： 期刊 关键词： 滚动轴承   航空发动机   Transformer   深度异常检测   低转速  

描述： 结果作为网络的输入，且仅依靠正常数据完成模型的训练。最后，在带机匣的航空发动机转子试验器和某型真实的航空发动机上分别进行了试验验证。结果表明，所提方法能够准确的实现对低转速滚动轴承故障的检测，且检测精度分别为93%和100%,充分表明该方法具有很好的异常检测能力及应用价值。

基于概率稀疏自注意力的航空发动机剩余寿命预测

作者： 王欣     黄佳琪     许雅玺   来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   Transformer   深度学习   概率稀疏自注意力   剩余寿命预测  

描述： 以实现航空发动机剩余寿命的准确预测。用ProbSparse Self-Attention取代原始Transformer中的常规自注意力机制，使得模型更关注时间序列中重要的时间节点，大幅缩减时间维度

基于深度学习的航空发动机剩余使用寿命预测方法研究

作者： 曹锦山.   来源： 重庆交通大学 年份： 2024 文献类型 ： 学位论文 关键词： 航空发动机   Transformer   深度学习   剩余使用寿命   多头自注意力机制  

描述： 基于深度学习的航空发动机剩余使用寿命预测方法研究

基于DETR的高清航空图像目标检测算法研究

作者： 许伟伟.   来源： 电子科技大学 年份： 2024 文献类型 ： 学位论文 关键词： DETR   Transformer   知识蒸馏   滑动窗口   航空目标检测  

描述： 基于DETR的高清航空图像目标检测算法研究

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剩余使用寿命预测方法研究

作者： 曹锦山.   来源： 重庆交通大学 年份： 2024 文献类型 ： 学位论文 关键词： 航空发动机   Transformer   深度学习   剩余使用寿命   多头自注意力机制  

描述： 基于深度学习的航空发动机剩余使用寿命预测方法研究