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： 针对飞机机务维修照相管理存在工作量大、不精确等问题，提出一种利用深度学习YOLOv4-tiny算法来执行照片对比检测的方法。利用一个自制的数据集来训练网络模型，为解决开口销螺母及其他背景干扰，引入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 average precision,mAP)提高了4.9%，照片识别精度和定位精准性方面都有较优表现，满足照相管理中对目标精准识别与比对的要求。

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： 针对飞机机务维修照相管理存在工作量大、不精确等问题，提出一种利用深度学习YOLOv4-tiny算法来执行照片对比检测的方法。利用一个自制的数据集来训练网络模型，为解决开口销螺母及其他背景干扰，引入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 average precision,mAP)提高了4.9%，照片识别精度和定位精准性方面都有较优表现，满足照相管理中对目标精准识别与比对的要求。

基于改进的YOLOv4-tiny遥感影像飞机检测系统的开发

作者： 付俊炜   来源： 北京交通大学 年份： 2022 文献类型 ： 学位论文 关键词： tiny   深度学习   目标检测   YOLOv4   模型部署  

描述： 基于改进的YOLOv4-tiny遥感影像飞机检测系统的开发

基于改进的YOLOv4-tiny遥感影像飞机检测系统的开发

作者： 付俊炜   来源： 北京交通大学 年份： 2022 文献类型 ： 学位论文 关键词： tiny   深度学习   目标检测   YOLOv4   模型部署  

描述： 基于改进的YOLOv4-tiny遥感影像飞机检测系统的开发

基于深度学习的航空留机导管缺陷检测研究与实现

作者： 李斐   来源： 西安电子科技大学 年份： 2022 文献类型 ： 学位论文 关键词： 留机导管   R   CNN   深度学习   Faster   YOLOv4   缺陷检测  

描述： 基于深度学习的航空留机导管缺陷检测研究与实现

基于深度学习的航空留机导管缺陷检测研究与实现

作者： 李斐   来源： 西安电子科技大学 年份： 2022 文献类型 ： 学位论文 关键词： 留机导管   R   CNN   深度学习   Faster   YOLOv4   缺陷检测  

描述： 基于深度学习的航空留机导管缺陷检测研究与实现

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： 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

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： ，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： 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。