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： 针对传统的图像检测算法在遥感领域中存在的问题，将改进的Mask-RCNN检测算法应用于遥感领域。通过优化Resnet特征提取网络，提高算法的特征提取能力；通过改进NMS非极大值抑制网络，优化区域推荐网络。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。

基于深度学习的高分辨率遥感影像飞机掩体检测方法

作者： 史姝姝     陈永强     王樱洁     王春乐   来源： 激光与光电子学进展 年份： 2024 文献类型 ： 期刊 关键词： 遥感影像   目标检测   深度学习   旋转框   遥感  

描述： 高分辨率遥感影像数据集。对比Faster R-CNN、SSD、RetinaNet、YOLOv3和YOLOX等5个深度学习目标检测模型的综合性能，结果表明，在飞机掩体影像数据集上YOLOX模型表现更佳

基于深度学习的遥感图像飞机目标检测方法研究

作者： 吕宗奎.   来源： 南京信息工程大学 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   特征提取   PyQt5   深度学习   目标检测  

描述： 基于深度学习的遥感图像飞机目标检测方法研究

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

基于融合神经网络的飞机蒙皮缺陷检测的研究

作者： 黄少晗.   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： 注意力机制   飞机蒙皮缺陷   融合神经网络   深度学习   目标检测  

描述： 基于融合神经网络的飞机蒙皮缺陷检测的研究

基于深度学习的遥感图像飞机目标检测方法研究

作者： 吕宗奎.   来源： 南京信息工程大学 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   特征提取   PyQt5   深度学习   目标检测  

描述： 基于深度学习的遥感图像飞机目标检测方法研究

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

基于融合神经网络的飞机蒙皮缺陷检测的研究

作者： 黄少晗.   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： 注意力机制   飞机蒙皮缺陷   融合神经网络   深度学习   目标检测  

描述： 基于融合神经网络的飞机蒙皮缺陷检测的研究

基于迁移学习和改进Faster-RCNN遥感影像飞机目标检测

作者： 周绍鸿     方新建     刘鑫怡     张潆丹     严盛   来源： 机电工程技术 年份： 2024 文献类型 ： 期刊 关键词： 遥感影像   目标检测   RCNN   深度学习   Faster   迁移学习  

描述： 为了提高遥感影像飞机目标检测的准确性和泛化能力，需要解决背景复杂、尺度多变、目标密集、飞机朝向不确定和特征不明显等问题。但现阶段训练数据量有限，初始训练需要消耗大量算力和时间，容易出现过拟合现象

基于SW-YOLO模型的航空发动机叶片损伤实时检测

作者： 何宇豪     曹学国     刘信良     蒋浩坤     王静秋   来源： 推进技术 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   实时检测   叶片损伤   深度学习   目标检测   孔探检测  

描述： 孔探检测技术是航空发动机叶片损伤检测的主要手段，但目前依赖人工操作，耗时耗力。本文提出了一个孔探视频检测的SW-YOLO模型，该模型包括输入端、主干网络、颈部网络、头部网络4个模块。首先，在主干网络加入了空间通道注意力模块（Spatial Channel-Convolutional Block Attention Module,SC-CBAM），有效避免位置信息丢失，提高目标边界回归能力，相较于YOLOv5，其平均精度均值■@0.5提高了5.4%。其次，在颈部网络对特征金字塔网络（Feature Pyramid Network,FPN）进行了改进，通过融合低层特征，扩大了模型感受野，有利于较小损伤区域的检测，如烧蚀损伤，平均精度提高了8.1%。最后，通过与YOLOv5,Faster R-CNN,SSD模型的对比实验，结果表明SW-YOLO模型的平均精度均值分别提高了7%,6.2%,6.3%，检测速度满足实时检测需求，有利于提高航空发动机孔探检测的自动化和智能化水平。