全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 遥感图像中飞机目标提取的深度学习方法研究
- 作者： 赵丹新 来源： 中国科学院大学(中国科学院上海技术物理研究所) 年份： 2018 文献类型 ： 学位论文 关键词： 遥感图像 多尺度检测 目标检测 深度学习 透视校正
- 描述： 遥感图像中飞机目标提取的深度学习方法研究
- 飞机蒙皮图像的深度特征学习与损伤监测
- 作者： 李慧 来源： 北京邮电大学 年份： 2019 文献类型 ： 学位论文 关键词： 飞机蒙皮 卷积神经网络 SSD 深度学习 目标检测
- 描述： 飞机蒙皮图像的深度特征学习与损伤监测
- 高分辨率遥感图像中飞机目标自动检测方法研究
- 作者： 任瑞龙 来源： 电子科技大学 年份： 2019 文献类型 ： 学位论文 关键词： 遥感图像 语义分割 深度学习 目标检测 飞机
- 描述： 高分辨率遥感图像中飞机目标自动检测方法研究
- 航空发动机安装工位目标检测方法的研究
- 作者： 宋鹏亮 来源： 北京交通大学 年份： 2020 文献类型 ： 学位论文 关键词： 航空发动机 深度学习 目标检测 轮廓提取 YOLOv3
- 描述： 航空发动机安装工位目标检测方法的研究
- 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SW/YOLO模型的航空发动机叶片损伤实时检测
- 作者： 何宇豪 曹学国 刘信良 蒋浩坤 王静秋 来源： 推进技术 年份： 2023 文献类型 ： 期刊 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
- 描述： 孔探检测技术是航空发动机叶片损伤检测的主要手段，但目前依赖人工操作，耗时耗力。本文提出了一个孔探视频检测的SW/YOLO模型，该模型包括输入端、主干网络、颈部网络、头部网络4个模块。首先，在主干网络加入了空间通道注意力模块（Spatial Channel / Convolutional Block Attention Module，SC/CBAM），有效避免位置信息丢失，提高目标边界回归能力，相较于YOLOv5，其平均精度均值mAP@0.5提高了5.4%。其次，在颈部网络对特征金字塔网络（Feature Pyramid Network，FPN）进行了改进，通过融合低层特征，扩大了模型感受野，有利于较小损伤区域的检测，如烧蚀损伤，平均精度提高了8.1%。最后，通过与YOLOv5，Faster R/CNN，SSD模型的对比实验，结果表明SW/YOLO模型的平均精度均值分别提高了7%，6.2%，6.3%，检测速度满足实时检测需求，有利于提高航空发动机孔探检测的自动化和智能化水平。
- 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： 为了提高遥感影像飞机目标检测的准确性和泛化能力，需要解决背景复杂、尺度多变、目标密集、飞机朝向不确定和特征不明显等问题。但现阶段训练数据量有限，初始训练需要消耗大量算力和时间，容易出现过拟合现象
- 基于SW-YOLO模型的航空发动机叶片损伤实时检测
- 作者： 何宇豪 曹学国 刘信良 蒋浩坤 王静秋 来源： 推进技术 年份： 2024 文献类型 ： 期刊 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
- 描述： 孔探检测技术是航空发动机叶片损伤检测的主要手段，但目前依赖人工操作，耗时耗力。本文提出了一个孔探视频检测的SW-YOLO模型，该模型包括输入端、主干网络、颈部网络、头部网络4个模块。首先，在主干网络加入了空间通道注意力模块（Spatial Channel-Convolutional Block Attention Module,SC-CBAM），有效避免位置信息丢失，提高目标边界回归能力，相较于YOLOv5，其平均精度均值■@0.5提高了5.4%。其次，在颈部网络对特征金字塔网络（Feature Pyramid Network,FPN）进行了改进，通过融合低层特征，扩大了模型感受野，有利于较小损伤区域的检测，如烧蚀损伤，平均精度提高了8.1%。最后，通过与YOLOv5,Faster R-CNN,SSD模型的对比实验，结果表明SW-YOLO模型的平均精度均值分别提高了7%,6.2%,6.3%，检测速度满足实时检测需求，有利于提高航空发动机孔探检测的自动化和智能化水平。