首页>
根据【关键词:遥感图像,极坐标系,深度学习,亚像素,倾斜目标检测】搜索到相关结果 27 条
-
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
-
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。
-
遥感图像飞机目标检测方法研究
-
作者:
张晨露
来源:
中国科学院大学(中国科学院西安光学精密机械研究所)
年份:
2019
文献类型 :
学位论文
关键词:
遥感图像
感受野
卷积神经网络
目标检测
飞机目标
-
描述:
遥感图像飞机目标检测方法研究
-
卷积神经网络及其在航空视觉任务中的应用展望
-
作者:
漆昇翔
裘旭益
张伟
来源:
航空电子技术
年份:
2019
文献类型 :
期刊
关键词:
卷积神经网络
计算机视觉
深度学习
航空航天
-
描述:
从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。
-
基于深度学习的陆空通话复诵校验方法研究
-
作者:
李丹
来源:
中国民航大学
年份:
2019
文献类型 :
学位论文
关键词:
注意力机制
陆空通话复诵校验
深度学习
双向长短时记忆神经网络
-
描述:
基于深度学习的陆空通话复诵校验方法研究
-
基于深度学习的飞机乘员应急撤离行为特征分类研究
-
作者:
纪乾
来源:
中国民航大学
年份:
2019
文献类型 :
学位论文
关键词:
深度学习
应急撤离
行为特征
仿真模型
-
描述:
基于深度学习的飞机乘员应急撤离行为特征分类研究
-
基于深度学习的遥感影像飞机检测方法研究
-
作者:
谢奇芳
来源:
中国地质大学(北京)
年份:
2019
文献类型 :
学位论文
关键词:
高分辨率遥感影像
卷积神经网络
深度学习
目标检测
-
描述:
基于深度学习的遥感影像飞机检测方法研究
-
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%。
-
基于深度学习的航空监视方法研究
-
作者:
王艳明
王宝珠
来源:
电子测量技术
年份:
2019
文献类型 :
期刊
关键词:
航空监视
深度学习
人工智能
国土安全
俯视视角
-
描述:
我国是一个幅员辽阔的国家,地理条件复杂,常规的国土安全巡检方法会耗费大量人力物力。为此,提出了一种基于深度学习的航空监视方法,其利用无人机从高空采集图像,并利用卷积神经网络对采集图像进行分类判断,从而对场景进行监视。其目的在于用人工智能的手段,通过无人机代替人工进行巡检,从而提高国土安全监视效率。为此,本文建立了包含10种不同场景的俯视视角的数据库。通过卷积神经网络模型,对不同场景的图像特征进行学习,使得模型可以分辨不同的场景。为了验证本方法的可行性,本文在10种空基视角的数据库上进行了实验,结果显示其分类准确率达到97%。说明本方法可满足安全监视的需求,为实现智能监视提供了思路。
-
遥感图像飞机目标高效搜检深度学习优化算法
-
作者:
郭琳
秦世引
来源:
北京航空航天大学学报
年份:
2019
文献类型 :
期刊
关键词:
停机坪与跑道分割
深度神经网络
深度学习
飞机目标检测
大幅面遥感图像
-
描述:
为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络(DNN)的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。