首页
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻动态
全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
首页>
根据【关键词:
舱门识别与定位,YOLOv5,机场特种车辆,自动靠机,三维定位
】搜索到相关结果
36
条
按文献类别分组
学位论文
(18)
期刊
(16)
会议论文
(2)
按栏目分组
学位论文
(18)
期刊
(16)
会议论文
(2)
按年份分组
2024
(6)
2023
(18)
2022
(8)
2021
(4)
按来源分组
东莞理工学院
(8)
中国民用航空飞行学院
(6)
北京航空航天大学学报
(4)
激光与红外
(2)
测绘通报
(2)
第十六届全国信号和智能信息处理与应用学术会议论文集
(2)
激光与光电子学进展
(2)
长安大学
(2)
电子科技大学
(2)
国外电子测量技术
(2)
中国民航飞行学院学报
(2)
计算机技术与发展
(1)
计算机测量与控制
(1)
关键词
基于改进YOLOv5的飞机
舱门识别与定位
方法研究
作者:
张长勇
郭聪
李玉洲
张朋武
来源:
计算机测量与控制
年份:
2024
文献类型 :
期刊
关键词:
舱门识别与定位
YOLOv5
机场特种车辆
自动靠机
三维定位
描述:
机场特种车辆
的
自动靠机
是未来智慧机场发展的必然要求,实现
自动靠机
的关键是对飞机舱门进行准确识别与定位;针对于此问题,提出一种基于改进YOLOv5和单目视觉的
舱门识别与定位
方法,通过在模型中加入了一种
基于GIS的民航无线电干扰
三维定位
研究
作者:
贾平法
来源:
中国民用航空飞行学院
年份:
2021
文献类型 :
学位论文
关键词:
GIS
民航
空中监测
无线电干扰
三维定位
描述:
基于GIS的民航无线电干扰
三维定位
研究
基于GIS的民航无线电干扰
三维定位
研究
作者:
贾平法
来源:
中国民用航空飞行学院
年份:
2021
文献类型 :
学位论文
关键词:
GIS
民航
空中监测
无线电干扰
三维定位
描述:
基于GIS的民航无线电干扰
三维定位
研究
基于YOLOv5的航空维修工具识别
作者:
丁发军
刘韶坤
刘义平
来源:
中国民航飞行学院学报
年份:
2023
文献类型 :
期刊
关键词:
目标检测算法
YOLOv5
工具识别
航空维修
描述:
,识别精度降低
1
7.4%。目前,YOLOv5目标检测算法具有较高的识别精度,但仍需针对扭曲、模糊不清的图形进行算法改进。
基于改进YOLOv5的SAR图像飞机目标细粒度识别
作者:
张武
刘秀清
来源:
国外电子测量技术
年份:
2024
文献类型 :
期刊
关键词:
YOLOv5
合成孔径雷达
飞机目标细粒度识别
描述:
intersection over union)作为网络损失函数提高网络收敛速度和检测精度。利用SAR-AIRcraft-
1
.0数据集进行了算法有效性试验研究,实验结果表明,算法有效提升了飞机目标的检测精度,精确率、召回率、平均精度均值分别达到92.6%、84.
1
%、90.
1
%。
基于YOLOv5的航空维修工具识别
作者:
丁发军
刘韶坤
刘义平
来源:
中国民航飞行学院学报
年份:
2023
文献类型 :
期刊
关键词:
目标检测算法
YOLOv5
工具识别
航空维修
描述:
,识别精度降低
1
7.4%。目前,YOLOv5目标检测算法具有较高的识别精度,但仍需针对扭曲、模糊不清的图形进行算法改进。
基于改进YOLOv5的SAR图像飞机目标细粒度识别
作者:
张武
刘秀清
来源:
国外电子测量技术
年份:
2024
文献类型 :
期刊
关键词:
YOLOv5
合成孔径雷达
飞机目标细粒度识别
描述:
intersection over union)作为网络损失函数提高网络收敛速度和检测精度。利用SAR-AIRcraft-
1
.0数据集进行了算法有效性试验研究,实验结果表明,算法有效提升了飞机目标的检测精度,精确率、召回率、平均精度均值分别达到92.6%、84.
1
%、90.
1
%。
融合注意力和多尺度特征的航空发动机缺陷检测
作者:
赵崇林
朱江
胡永进
李祖泽
王鹏举
谢涛
来源:
北京航空航天大学学报
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
航空发动机
YOLOv5
深度学习
缺陷检测
描述:
损失,实现对缺陷目标快速、准确地定位和识别。实验结果表明,本文算法检测缺陷的平均精确度达到了89.7%,较基准网络提升了6.3%,训练后的模型大小仅为
1
4.0M。因此,所提方法可以有效地检测航空发动机的主要缺陷。
融合注意力和多尺度特征的航空发动机缺陷检测
作者:
赵崇林
朱江
胡永进
李祖泽
王鹏举
谢涛
来源:
北京航空航天大学学报
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
航空发动机
YOLOv5
深度学习
缺陷检测
描述:
损失,实现对缺陷目标快速、准确地定位和识别。实验结果表明,本文算法检测缺陷的平均精确度达到了89.7%,较基准网络提升了6.3%,训练后的模型大小仅为
1
4.0M。因此,所提方法可以有效地检测航空发动机的主要缺陷。
基于CNN的航空图像目标检测算法研究
作者:
刘瑞
来源:
电子科技大学
年份:
2021
文献类型 :
学位论文
关键词:
航空图像
CNN
YOLOv5
目标检测
无人机
描述:
基于CNN的航空图像目标检测算法研究
<
1
2
>
Rss订阅
订阅地址: