面向民航陆空通话的语音识别技术研究

作者： 王佳文   来源： 南京航空航天大学 年份： 2018 文献类型 ： 学位论文 关键词： 语种识别   民航陆空通话   深度学习   迁移学习   语音识别  

描述： 面向民航陆空通话的语音识别技术研究

基于深度学习网络的飞机目标识别与分类研究

作者： 马俊成   来源： 河北工业大学 年份： 2020 文献类型 ： 学位论文 关键词： 特征提取   CNN   传统分类方法   迁移学习   飞机目标图像  

描述： 基于深度学习网络的飞机目标识别与分类研究

迁移学习在航空发动机转子系统早期故障诊断中的应用研究

作者： 李谦   来源： 河南工业大学 年份： 2020 文献类型 ： 学位论文 关键词： 转子系统   滚动轴承   迁移学习   稀疏自编码   最大均值差异  

描述： 迁移学习在航空发动机转子系统早期故障诊断中的应用研究

民航陆空通话语音识别技术研究与应用

作者： 周凯   来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 说话人验证   陆空通话   端到端模型   迁移学习   语音识别  

描述： 民航陆空通话语音识别技术研究与应用

基于深度学习的飞行器关键机械部件故障诊断方法研究

作者： 连冬杉   来源： 沈阳航空航天大学 年份： 2021 文献类型 ： 学位论文 关键词： 飞行器   故障诊断   深度学习   关键机械部件   迁移学习  

描述： 基于深度学习的飞行器关键机械部件故障诊断方法研究

基于检测信息的飞机部件健康状态诊断与分析

作者： 魏若楠   来源： 南京航空航天大学 年份： 2021 文献类型 ： 学位论文 关键词： 健康检测   故障诊断   流形约束   拓扑卷积神经网络   迁移学习  

描述： 基于检测信息的飞机部件健康状态诊断与分析

基于深度学习的实时民航语音识别算法设计与实现

作者： 惠国强   来源： 电子科技大学 年份： 2021 文献类型 ： 学位论文 关键词： CTC   鲁棒语音识别   迁移学习   语音识别   民航语音识别  

描述： 基于深度学习的实时民航语音识别算法设计与实现

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

作者： 王思雨   高鑫   孙皓   郑歆慰   孙显   来源： 雷达学报 年份： 2017 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR)   数据增强   视觉显著性   飞机检测   卷积神经网络(CNN)  

描述： 传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

作者： 王思雨   高鑫   孙皓   郑歆慰   孙显   来源： 雷达学报 年份： 2017 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR)   数据增强   视觉显著性   飞机检测   卷积神经网络(CNN)  

描述： 传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

作者： 王思雨   高鑫   孙皓   郑歆慰   孙显   来源： 雷达学报 年份： 2019 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR)   数据增强   视觉显著性   飞机检测   卷积神经网络(CNN)  

描述： 传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。