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

基于深度学习的遥感图像飞机目标检测技术研究

作者： 赵志恒.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 遥感图像   深度学习   目标检测   YOLOv8   飞机目标  

描述： 基于深度学习的遥感图像飞机目标检测技术研究

基于深度学习的遥感图像飞机目标检测技术研究

作者： 赵志恒.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 遥感图像   深度学习   目标检测   YOLOv8   飞机目标  

描述： 基于深度学习的遥感图像飞机目标检测技术研究

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

基于DFECANet的遥感图像飞机目标检测方法

作者： 单慧琳     吕宗奎     付相为     胡宇翔     段修贤     张银胜   来源： 电子测量与仪器学报 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像   特征上采样   图像处理   目标检测   多尺度特征融合  

描述： 针对现有的遥感图像目标检测方法中对小尺寸飞机目标的检测精度不高、特征信息传递不准确、信息交互不充分等问题，提出了一种基于可辨别特征提取和上下文感知的遥感图像飞机目标检测方法。设计了以可辨别特征提取

基于优化Mask-RCNN算法的遥感飞机目标检测

作者： 葛海婷     杨铁梅   来源： 太原科技大学学报 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像   RCNN   深度学习   目标检测   Mask  

描述： 网络。并在自建的遥感飞机数据集上验证算法的稳定性以及有效性。经检测，改进的算法能够提升遥感图像中飞机的检测精度，并且有效降低了飞机目标的误检和漏检问题。

基于Faster R-CNN的轻量化遥感图像军用飞机检测模型

作者： 党玉龙     叶成绪   来源： 激光杂志 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像   R   CNN   目标检测   Faster   军用飞机  

描述： 遥感图像军用飞机目标检测对侦察预警和情报分析等领域具有重要意义。针对该任务中图像背景复杂、目标尺度变化大和分布密集等挑战，提出了一种基于Faster R-CNN的轻量化检测模型。该模型使用残差拆分

基于双分支自适应特征融合网络的航空遥感图像目标检测算法研究及应用

作者： 杨中宇.   来源： 吉林大学 年份： 2024 文献类型 ： 学位论文 关键词： 遥感图像   特征融合   深度学习   目标检测   场景分类   双分支网络  

描述： 基于双分支自适应特征融合网络的航空遥感图像目标检测算法研究及应用

基于双分支自适应特征融合网络的航空遥感图像目标检测算法研究及应用

作者： 杨中宇.   来源： 吉林大学 年份： 2024 文献类型 ： 学位论文 关键词： 遥感图像   特征融合   深度学习   目标检测   场景分类   双分支网络  

描述： 基于双分支自适应特征融合网络的航空遥感图像目标检测算法研究及应用

基于改进YOLOv8的航空铝合金焊缝缺陷检测方法

作者： 苏志威     黄子涵     邱发生     郭朝阳     殷晓芳     邬冠华   来源： 航空动力学报 年份： 2024 文献类型 ： 期刊 关键词： 自动识别   图像增强   数字射线   YOLOv8算法   焊缝缺陷  

描述： 为了提高航空铝合金焊接缺陷数字射线成像自动检测效率和准确度，提出了一种改进YOLOv8智能检测方法。针对样本数据不足和缺陷不清晰的问题，采用Retinex图像增强算法和引导滤波算法对原始图像进行图像增强处理，然后采用旋转和翻转等方式扩充数据集。在模型改进中，使用GhostBottleneck模块替换C2f中的Bottleneck模块，完成模型的轻量化，减少了额外的冗余参数并降低了计算量。同时，引入空间注意力机制，获得缺陷更多的空间信息，并调整预测框的回归范围，提升了模型的精度。通过铝合金焊接件中常见几类缺陷进行测试和验证，改进YOLOv8算法平均精度均值（mAP50）达到92.9%，优于传统的Faster-RCNN、SSD和YOLOv8算法，能够有效适用于焊缝缺陷的自动识别。