首页>
根据【关键词:遥感图像】搜索到相关结果 32 条
-
基于半监督学习的遥感飞机图像检测方法
-
作者:
杜泽星
殷进勇
杨建
来源:
激光与光电子学进展
年份:
2019
文献类型 :
期刊
关键词:
遥感图像
目标检测
半监督学习
生成式对抗网络
-
描述:
针对现有的基于深度学习的遥感飞机图像检测方法,在训练时需要大量的带标记数据集和较长的训练时间,本文提出了一种基于生成式对抗网络的半监督学习方法。采用两种粒度的深度卷积生成式对抗网络,分别提取了待检测目标的边缘特征信息和深层语义特征。通过结合两种粒度的生成式对抗网络的判别器网络模型,设计了目标检测网络模型。实验结果表明,本文所设计的这种半监督学习训练方法有着更快的收敛速度,并且在训练时需要的标记样本更少。
-
基于最优区域生成的深度多尺度融合遥感飞机检测方法
-
作者:
刘晨
郑恩让
张桐
来源:
科学技术与工程
年份:
2020
文献类型 :
期刊
关键词:
遥感图像
飞机检测
多尺度融合
锚框
-
描述:
基于最优区域生成的深度多尺度融合遥感飞机检测方法
-
基于卷积神经网络的遥感图像飞机目标识别
-
作者:
晁安娜
刘坤
来源:
微型机与应用
年份:
2018
文献类型 :
期刊
关键词:
遥感图像
卷积神经网络
飞机识别
深度学习
-
描述:
遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用卷积神经网络对飞机目标进行识别,避免了在特征提取过程中信息的丢失,提高了识别率。实验结果证明了该算法在遥感图像飞机目标识别中的可行性,能克服尺度变化及目标姿态变化等因素的影响。同时提出的算法较传统CNN、BP神经网络和支持向量机(SVM)方法具有更好的识别效果,鲁棒性更强。
-
卫星遥感图像中飞机识别算法的研究
-
作者:
袁红江
来源:
聊城大学
年份:
2020
文献类型 :
学位论文
关键词:
遥感图像
飞机识别
SIFT算法
自动阈值分割
-
描述:
卫星遥感图像中飞机识别算法的研究
-
基于深度学习的航空遥感图像目标检测算法研究
-
作者:
常洪彬
来源:
吉林大学
年份:
2022
文献类型 :
学位论文
关键词:
遥感图像
注意力机制
深度学习
目标检测
-
描述:
基于深度学习的航空遥感图像目标检测算法研究
-
基于卷积神经网络的遥感图像飞机检测
-
作者:
张义德
胡长雨
胡春育
来源:
光电子技术
年份:
2017
文献类型 :
期刊
关键词:
遥感图像
卷积神经网络
微调
迁移学习
飞机检测
-
描述:
提出一种CNN的遥感图像飞机检测的方法。首先获得预训练好的CNN,然后通过参数迁移获得五层卷积层模型参数,接着利用遥感图像对第五层卷积层进行微调获得一个特征提取器。将特征提取器用于提取遥感图像训练集的深度特征,训练可变形部件检测模型。实验表明,提出的方法大大提高了遥感图像飞机目标检测精度,准确率达96%以上。
-
基于深度神经网络的遥感图像飞机目标检测
-
作者:
李文斌
何冉
来源:
计算机工程
年份:
2021
文献类型 :
期刊
关键词:
遥感图像
卷积神经网络
目标检测
密度聚类
像素级标签
-
描述:
。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。
-
基于深度神经网络的遥感图像飞机目标检测
-
作者:
李文斌
何冉
来源:
计算机工程
年份:
2021
文献类型 :
期刊
关键词:
遥感图像
卷积神经网络
目标检测
密度聚类
像素级标签
-
描述:
。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。
-
基于半监督学习的遥感飞机图像检测方法
-
作者:
杜泽星
殷进勇
杨建
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
图像处理
目标检测
半监督学习
生成式对抗网络
-
描述:
基于半监督学习的遥感飞机图像检测方法
-
基于FCN与CNN的遥感影像飞机目标检测方法
-
作者:
李文斌
何冉
来源:
计算机工程
年份:
2020
文献类型 :
期刊
关键词:
FCN
遥感图像
CNN
目标检测
像素级标签
-
描述:
进行抑制;使用图像级标签代替目标级标签进行CNN训练、以及使用图像的CNN底层特征图制作像素级标签来训练FCN。实验表明,本模型获得了95.78%的准确率、98.98%的召回率、0.9735的F1分数,具有优异的检测性能和良好的泛化能力。