一种结合非顶层特征图和自适应阈值的飞机目标检测算法

作者： 谭振宇   江刚武   刘建辉   来源： 测绘科学技术学报 年份： 2020 文献类型 ： 期刊 关键词： R   RPN网络   目标检测   Faster   CNN模型   飞机   特征图  

描述： 一种结合非顶层特征图和自适应阈值的飞机目标检测算法

深度学习在军用飞机识别与检测中的应用

作者： 黄蓉蓉   来源： 兰州大学 年份： 2020 文献类型 ： 学位论文 关键词： 卷积神经网络   计算机视觉   数据增强   目标检测   深度学习   军用飞机   图像识别  

描述： 深度学习在军用飞机识别与检测中的应用

基于卷积神经网络的航空遥感图像目标检测研究

作者： 宋琦   来源： 西安电子科技大学 年份： 2020 文献类型 ： 学位论文 关键词： YOLO   R   CNN   卷积神经网络   目标检测   航空遥感图像  

描述： 基于卷积神经网络的航空遥感图像目标检测研究

一种RetinaNet与SE融合的航空取证目标检测算法

作者： 刘克   潘广煜   郑大国   顾佼佼   孟春英   来源： 现代防御技术 年份： 2022 文献类型 ： 期刊 关键词： 数据均衡   目标检测   航空取证   SE模块   通道注意力   RetinaNet  

描述： 针对在开展航空侦察取证时缺乏自动化、智能化取证手段的情况，提出了一种基于RetinaNet与SE融合的航空取证目标检测算法，解决目标尺度变化大、数据集中类别不均衡的问题，并通过SE(squeeze-excitations)模块引入注意力机制进一步改进性能。该改进算法中的特征金字塔网络FPN可有效应对目标尺寸变化较大问题，Focal Loss可有效应对数据均衡性问题，SE模块引入通道注意力机制对特征图进行加强，可进一步利用提取的通道间相关性增强有效特征并抑制无效特征。通过仿真实验，验证了算法能够在增加少量计算条件下提高目标检测准确率，进一步增强模型的表征能力，有效提高目标检测效率，可为相关工程应用提供参考。

基于YOLO模型的遥感影像飞机目标检测技术研究

作者： 徐佰祺   来源： 战略支援部队信息工程大学 年份： 2022 文献类型 ： 学位论文 关键词： 遥感影像   目标检测   YOLO模型   飞机目标   小目标检测   旋转框  

描述： 基于YOLO模型的遥感影像飞机目标检测技术研究

基于深度学习的视觉引导飞机着陆跑道目标检测研究

作者： 陈玉   来源： 中国民用航空飞行学院 年份： 2022 文献类型 ： 学位论文 关键词： SLAM   机场跑道   目标检测   视觉定位   YOLOv3   语音引导方案   ORB  

描述： 基于深度学习的视觉引导飞机着陆跑道目标检测研究

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。

一种基于级联神经网络的飞机检测方法

作者： 王晓林   苏松志   刘晓颖   蔡国榕   李绍滋   来源： 智能系统学报 年份： 2021 文献类型 ： 期刊 关键词： 嵌入式设备   遥感图像   级联   卷积神经网络   两阶段   深度学习   飞机检测   由粗到细  

描述： 由于旋转角度多样性、极端的尺度差异的影响,遥感图像中的飞机检测目前仍存在挑战。为了解决旋转和尺度的问题,目前的策略是将现有的自然场景下的目标检测算法(如Faster R-CNN、SSD等)直接迁移到遥感图像中。这些算法的主干网络复杂,模型占用空间大,难以应用到低功耗和嵌入式设备中。为了在准确率不降低的情况下提高检测速度,本文提出了一个仅包含9层的卷积神经网络来解决飞机检测问题。该网络采用了由粗到细的策略,通过级联两个网络的方式减少计算开销。为了评估方法的有效性,我们建立了一个针对飞机检测的遥感数据集。实验结果表明,该方法超越了VGG16等复杂的主干网络,达到了接近主流检测方法的性能表现,同时显著降低了参数量并使检测速度提高了2倍以上。

改进YOLO V3遥感图像飞机识别应用

作者： 郑志强   刘妍妍   潘长城   李国宁   来源： 电光与控制 年份： 2019 文献类型 ： 期刊 关键词： YOLO   Densenet   遥感图像   means   卷积神经网络   飞机识别   k   V3  

描述： 为了准确识别遥感图像中的飞机,基于YOLO V3算法,通过使用K-means算法对数据集进行聚类分析,借鉴Densenet网络的思想,将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块,改进为一种Dense-YOLO深度卷积神经网络结构。对改进前与改进后的网络进行训练,分别选出使两个网络识别效果最好的权重文件,针对高质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析。实验结果表明,新改进的深度卷积神经网络应用在两种图像上效果均有提升。其中,改进的算法在高质量的遥感图像中准确率高达99.72%,比原始算法准确率提升了0.85%,召回率高达98.34%,召回率提升了1.94%。在低质量遥感图像中准确率高达96.12%,比原始算法准确率提升了5.07%,召回率高达93.10%,召回率提升了19.75%。

航空摄影飞行质量数字化验收系统的设计与实现

作者： 吴石虎   来源： 中国人民解放军信息工程大学 年份： 2016 文献类型 ： 学位论文 关键词： 相对定向   图像处理   框标检测   摄影测量   飞行质量   航空摄影   影像匹配  

描述： 航空摄影飞行质量的验收是航空摄影测量的重要步骤之一，本文分析了飞行质量验收的现状，提出了传统验收方法的缺陷；结合摄影测量技术、计算机技术、电子技术和图像处理技术的进展，提出了数字化验收思想并设计了相应的研究方案；对实现数字化验收所涉及到的胶片高速