首页>
根据【关键词:飞参数据,深度学习,故障检测,深度置信网络,航空发动机传感器】搜索到相关结果 2 条
-
结合显著图和深度学习的遥感影像飞机目标识别
-
作者:
刘相云
龚志辉
金飞
杨光
范炜康
来源:
测绘通报
年份:
2019
文献类型 :
期刊
关键词:
遥感影像
显著图
多特征融合
飞机目标识别
深度置信网络
-
描述:
为准确快速识别高分辨率遥感影像中的飞机目标,提出了一种结合显著图和深度置信网络(DBN)的飞机目标识别算法。本文首先使用HC(直方图对比度)算法提取遥感影像中的显著目标;然后通过定位连通区域确定候选目标的位置;随后提取候选目标的颜色矩、Hu不变矩、灰度共生矩阵、Tamura纹理特征和边缘方向直方图;最后将归一化后的多特征融合数据应用到深度置信网络进行目标识别。试验结果表明,本文算法的检测率为98.46%,虚警率为5.20%。算法从多种底层图像特征出发,有效克服了单一特征描述能力不足的问题,提高了飞机目标识别能力及抗干扰能力。
-
基于深度学习的航空影像非正规垃圾堆放点监测技术研究与实践
-
作者:
李军吉
应良中
陶文旷
来源:
测绘通报
年份:
2023
文献类型 :
期刊
关键词:
深度学习
无人机
航空影像
非正规垃圾堆放点
-
描述:
城市化进程的加快导致垃圾随处堆放的问题日益突出,给城市的环境及居民的生活质量造成了严重的影响。利用遥感手段快速监测非正规垃圾堆放点具有及时性和高效性,因此具有十分重要的意义。本文结合无人机高分辨率航空影像及非正规垃圾堆分布特征,提出了按地域特征勾画样本数据集提取样本数据特征,采用U/Net和Swin Transformer融合模型,以及针对性改进训练流程开展非正规垃圾堆放点信息分类研究。试验以绍兴市越城区、柯桥区和上虞区作为研究区域,利用飞马航测无人机获取航空影像数据,对比分析了本文提出的方法和基于深度学习的典型地物要素提取方法在非正规垃圾堆放点监测上的应用,试验结果表明本文提出的方法准确率提高了1.72倍。