首页>
根据【关键词:遥感图像,注意力机制,YOLOv4,MobileNetv3,深度可分离卷积】搜索到相关结果 112 条
-
基于神经网络的遥感图像飞机实时检测算法
-
作者:
刘志
杨江涛
许新云
来源:
工业控制计算机
年份:
2024
文献类型 :
期刊
关键词:
遥感图像
注意力机制
YOLOv4
MobileNetv3
深度可分离卷积
-
描述:
情况下,减少参数量;同时在路聚合网络(PANet)中使用深度可分离卷积代替传统卷积;在主干网络中引入BAM注意力机制,提高整体模型的泛化能力。然后对NMS网络进行了优化,以提升模型的最终识别精度。最后在
-
基于改进YOLOv4的航空发动机损伤检测方法
-
作者:
蔡舒妤
闫子砚
师利中
来源:
现代制造工程
年份:
2023
文献类型 :
期刊
关键词:
损伤检测
卷积注意力模块
YOLOv4
深度可分离卷积
MobileNetv3
-
描述:
针对现有目标检测模型参数量大、检测速度慢,难以适应航空发动机孔探检测轻量化应用需求的问题,提出了基于YOLOv4目标检测算法的轻量化航空发动机损伤检测模型。设计了基于深度可分离卷积的轻量化特征融合
-
基于改进YOLOv4的航空发动机损伤检测方法
-
作者:
蔡舒妤
闫子砚
师利中
来源:
现代制造工程
年份:
2023
文献类型 :
期刊
关键词:
损伤检测
卷积注意力模块
YOLOv4
深度可分离卷积
MobileNetv3
-
描述:
针对现有目标检测模型参数量大、检测速度慢,难以适应航空发动机孔探检测轻量化应用需求的问题,提出了基于YOLOv4目标检测算法的轻量化航空发动机损伤检测模型。设计了基于深度可分离卷积的轻量化特征融合
-
基于改进YOLOv4算法的遥感图像飞机目标检测
-
作者:
王惠中
文学
来源:
计算机与数字工程
年份:
2024
文献类型 :
期刊
关键词:
遥感图像
特征融合
目标检测
YOLOv4
-
描述:
针对在遥感图像上对飞机目标检测的精度低问题,论文通过对PANet特征融合网络结构的加深使得YOLOv4算法对小目标的检测更加敏感,进而提高算法的平均检测精度;另外,利用K-means++算法产生
-
YOLOv4-tiny及其改进算法在航空机务维修照相管理中的应用
-
作者:
张锐丽
张琦
高万春
李江龙
来源:
兵工自动化
年份:
2022
文献类型 :
期刊
关键词:
注意力机制
tiny
目标检测
YOLOv4
照相管理
-
描述:
注意力机制模块以改进YOLOv4-tiny。测试结果表明:准确率(precision,P)相较原YOLOv4-tiny提高了5%,召回率(recall,R)提高约8%,平均准确率均值(mean
-
YOLOv4-tiny及其改进算法在航空机务维修照相管理中的应用
-
作者:
张锐丽
张琦
高万春
李江龙
来源:
兵工自动化
年份:
2022
文献类型 :
期刊
关键词:
注意力机制
tiny
目标检测
YOLOv4
照相管理
-
描述:
注意力机制模块以改进YOLOv4-tiny。测试结果表明:准确率(precision,P)相较原YOLOv4-tiny提高了5%,召回率(recall,R)提高约8%,平均准确率均值(mean
-
一种航空影像建筑物检测的轻量化CNN建模方法
-
作者:
甘文祥
张远谊
李欣园
来源:
地理空间信息
年份:
2023
文献类型 :
期刊
关键词:
建筑物检测
CNN
轻量化网络
航空影像
深度可分离卷积
-
描述:
得模型的存储和内存开销都较高、检测速率也容易受到影响,一定程度上造成在移动设备平台或灾害应急等场合的应用受限。针对此问题,提出一种用于航空影像建筑物检测的轻量化卷积神经网络建模方法,采用深度可分离卷积方法
-
一种航空影像建筑物检测的轻量化CNN建模方法
-
作者:
甘文祥
张远谊
李欣园
来源:
地理空间信息
年份:
2023
文献类型 :
期刊
关键词:
建筑物检测
CNN
轻量化网络
航空影像
深度可分离卷积
-
描述:
得模型的存储和内存开销都较高、检测速率也容易受到影响,一定程度上造成在移动设备平台或灾害应急等场合的应用受限。针对此问题,提出一种用于航空影像建筑物检测的轻量化卷积神经网络建模方法,采用深度可分离卷积方法
-
基于改进YOLOv8的遥感图像飞机目标检测研究
-
作者:
张德银
赵志恒
谢逸戈
黄少晗
来源:
自动化应用
年份:
2024
文献类型 :
期刊
关键词:
遥感图像
目标检测
飞机目标
YOLOv8算法
-
描述:
为解决遥感图像飞机目标检测时易出现检测精度低与漏检误检等问题,提出了一种基于YOLOv8算法的遥感图像飞机目标检测改进算法。首先,将坐标注意力机制模块嵌入卷积模块中,使其能提取复杂背景下的飞机小目标
-
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。