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
- 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
- 航空遥感影像中的轻量级小目标检测
- 作者： 薛雅丽 孙瑜 马瀚融 来源： 电光与控制 年份： 2022 文献类型 ： 期刊 关键词： 小目标 遥感图像 特征融合 深度学习 目标检测
- 描述： 单阶段目标检测算法凭借结构简单、模型高效等特点获得很多研究者及工业界的关注。以现有的YOLO算法为基础，针对遥感图像中目标尺寸小、排列紧密等困难，提出一种提升复杂背景下小目标检测精度的轻量级目标检测方法。该方法引入加权融合特征网络，为每层特征图赋予可在训练中不断学习的权重系数，加强深浅层特征融合。通过引入CIoU损失及模型改进，加快网络收敛速度，使其满足实时性需求。在基于DOTA构建的遥感图像小目标数据集上进行对比实验，结果表明，该方法具有更好的检测精度与检测速度。
- 遥感图像飞机目标检测与识别关键技术研究
- 作者： 李冠典 来源： 长春理工大学 年份： 2022 文献类型 ： 学位论文 关键词： 飞机目标高效检测 遥感图像 卷积神经网络 深度学习 目标检测 飞机区域识别网络
- 描述： 遥感图像飞机目标检测与识别关键技术研究
- 基于改进SSD的光学飞机遥感图像目标检测算法研究
- 作者： 王浩桐 来源： 宁夏大学 年份： 2022 文献类型 ： 学位论文 关键词： 遥感图像 特征融合 SSD算法 目标检测 k Means聚类
- 描述： 基于改进SSD的光学飞机遥感图像目标检测算法研究
- 基于CenterNet的航空遥感图像目标检测
- 作者： 杨曦中 高冠鸿 熊智 张玲 来源： 航空电子技术 年份： 2022 文献类型 ： 期刊 关键词： 目标检测 深度学习 神经网络 CenterNet
- 描述： 为实现高精度的航空图像目标检测，将Anchor free的目标检测算法CenterNet应用到检测中，同时使用Resnet50主干网络，并引入CIoU损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD与DIOR数据集上进行测试，结果显示在保证网络轻量化的前提下检测精度有明显的提高，证明了算法在航空目标检测方面的可行性与准确性。
- 基于YOLOv4的航空发动机叶片凸台目标检测
- 作者： 陈为 钟欣童 张婧 李泽辰 来源： 计算机仿真 年份： 2022 文献类型 ： 期刊 关键词： 数据增强 目标检测 叶片凸台检测 聚类分析
- 描述： 针对航空发动机内部检测叶片凸台缺陷的问题，提出了一种基于YOLOv4(You Only Look Once)的目标检测算法。算法使用迁移学习加载了在coco公开数据集上训练的预训练模型权重，为了更好的适应对凸台检测中小目标、结构复杂的特点，通过聚类分析的方法调整先验框尺寸，同时对原始数据集使用Mosaic方法进行数据增强。实验结果表明，改进后的YOLOv4模型在检测精度上提高了15.85%,召回率提高了21%,平均交并比可达0.75,检测性能优于在同一数据集中使用的SSD目标检测算法。
- 基于注意力机制的航空图像旋转框目标检测
- 作者： 常洪彬 李文举 李文辉 来源： 吉林大学学报(理学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空图像 注意力机制 目标检测 深度学习
- 描述： 针对在航空遥感图像目标检测中，航空图像在俯视图下呈任意方向排列，存在图像尺寸大、方向任意和背景复杂等问题，为能在复杂背景的航空图像中仍有较好的检测结果，提出一种基于注意力机制的旋转框航空图像目标检测模型.该模型首先采用RetinaNet作为基线模型，在原有检测器结构的基础上，增加额外的角度参数以适应旋转框目标检测；然后提出一个新的通道语义提取注意力模块(CSE),用于捕获全局语义信息和通道关系，并预测粗糙包围盒与分类分数；最后采用特征对齐和改进的Fast R-CNN检测头进行精细化处理，进一步提升检测精度，得到最后的分类和回归结果.实验结果表明，该方法在公开航空遥感数据集DOTA上的检测精度达到77.71%,优于其他先进的旋转框目标检测方法.
- 基于多尺度卷积神经网络的飞机识别定位系统的设计
- 作者： 李昭 来源： 西安电子科技大学 年份： 2022 文献类型 ： 学位论文 关键词： 卷积神经网络 飞机定位系统 目标检测 图像分割
- 描述： 基于多尺度卷积神经网络的飞机识别定位系统的设计
- 基于机器视觉的指针式航空仪表图像处理设计
- 作者： 周虎 宋中建 周章勇 来源： 安徽科技 年份： 2022 文献类型 ： 期刊 关键词： 机器视觉 图像处理 指针式 航空仪表
- 描述： 传统的指针式航空仪表检测主要采用人眼判读仪表示数，不仅效率低、工作量大，而且人工读取仪表的示值受主观因素如人的观测角度、观测距离及疲劳强度等的影响，误差较大，可靠性不高。本方案提出了依靠机器视觉和图像处理技术来实现对现有指针式航空仪表的自动化检测，能极大地提高检测效率，大幅降低人力成本，具有非侵入性、精度高、可靠性好的特点，是传统指针式仪表检测系统向高质量、低成本、自动化方向发展的关键技术之一，具有重要的应用价值和前景。