首页>
根据【关键词:遥感图像,注意力机制,飞机检测,特征增强,残差连接,轻量级】搜索到相关结果 5 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
-
基于改进YOLOv5的航空发动机表面缺陷检测模型
-
作者:
李鑫
李香蓉
汪诚
李秋良
李卓越
来源:
激光与光电子学进展
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
航空发动机
机器视觉
YOLOv5
表面缺陷检测
-
描述:
针对目前航空发动机表面人工缺陷检测效率低的问题,本文提出了一种基于改进YOLOv5的缺陷检测模型YOLOv5-CE。首先在网络中融合数据增强策略搜索算法,自动为当前数据集搜索最佳的数据增强策略,实现训练效果的提升;其次在Backbone网络中引入坐标注意力机制,在通道注意力的基础上嵌入坐标信息,提高对小缺陷目标的检测能力;最后将YOLOv5的定位损失函数改进为EIoU loss,在加快模型收敛的同时提高预测框回归精度。实验表明,本文提出的YOLOv5-CE模型,相比原YOLOv5s网络,在检测速度几乎没有下降的情况下m AP值提高了1.2%,达到了98.5%,能够实现对航空发动机四种常见类型缺陷的高效智能检测。
-
基于深度学习的光学遥感图像飞机检测算法
-
作者:
董永峰
仉长涛
汪鹏
冯哲
来源:
激光与光电子学进展
年份:
2021
文献类型 :
期刊
关键词:
遥感图像
卷积神经网络
图像处理
目标检测
深度学习
Mask
RCNN算法
-
描述:
光学遥感图像目标检测一直都是遥感领域研究的热点之一,但现有的检测方法对背景复杂且尺寸较小的目标检测准确率不高。针对以上问题,提出了一种以Mask-RCNN为基础框架的目标检测方法。该算法以ResNet50为特征提取网络并在此基础之上利用特征重用技术来更好地提取目标的语义特征,且针对不同类型的飞机尺寸比例不固定等特点,设计了一组更加合适的候选框尺度集合。实验结果证明,该方法与以往常用的检测算法相比在小物体检测上拥有更高的检测精度。
-
基于深度学习的光学遥感图像飞机检测算法
-
作者:
董永峰
仉长涛
汪鹏
冯哲
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
卷积神经网络
图像处理
目标检测
深度学习
Mask
RCNN算法
-
描述:
基于深度学习的光学遥感图像飞机检测算法