全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于改进YOLOv5的SAR图像飞机目标细粒度识别
- 作者： 张武 刘秀清 来源： 国外电子测量技术 年份： 2024 文献类型 ： 期刊 关键词： YOLOv5 合成孔径雷达 飞机目标细粒度识别
- 描述： intersection over union)作为网络损失函数提高网络收敛速度和检测精度。利用SAR-AIRcraft-1.0数据集进行了算法有效性试验研究，实验结果表明，算法有效提升了飞机目标的检测精度，精确率、召回率、平均精度均值分别达到92.6%、84.1%、90.1%。
- 基于YOLOv5的航空维修工具识别
- 作者： 丁发军 刘韶坤 刘义平 来源： 中国民航飞行学院学报 年份： 2023 文献类型 ： 期刊 关键词： 目标检测算法 YOLOv5 工具识别 航空维修
- 描述： ，识别精度降低17.4%。目前，YOLOv5目标检测算法具有较高的识别精度，但仍需针对扭曲、模糊不清的图形进行算法改进。
- 基于改进YOLOv5的SAR图像飞机目标细粒度识别
- 作者： 张武 刘秀清 来源： 国外电子测量技术 年份： 2024 文献类型 ： 期刊 关键词： YOLOv5 合成孔径雷达 飞机目标细粒度识别
- 描述： intersection over union)作为网络损失函数提高网络收敛速度和检测精度。利用SAR-AIRcraft-1.0数据集进行了算法有效性试验研究，实验结果表明，算法有效提升了飞机目标的检测精度，精确率、召回率、平均精度均值分别达到92.6%、84.1%、90.1%。
- 低转速航空发动机滚动轴承故障深度异常检测方法
- 作者： 康玉祥 陈果 盛嘉玖 王浩 尉询楷 来源： 振动与冲击 年份： 2024 文献类型 ： 期刊 关键词： 滚动轴承 航空发动机 Transformer 深度异常检测 低转速
- 描述： 提取主干网络。然后，将所提取的特征输入一个三层自编码器结构，用于计算网络模型的损失函数。为减少网络计算量，提高训练速度，在预处理中将滚动轴承的振动加速度时域信号通过快速傅里叶变换(FFT)得到的频谱
- 基于概率稀疏自注意力的航空发动机剩余寿命预测
- 作者： 王欣 黄佳琪 许雅玺 来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机 Transformer 深度学习 概率稀疏自注意力 剩余寿命预测
- 描述： 以实现航空发动机剩余寿命的准确预测。用ProbSparse Self-Attention取代原始Transformer中的常规自注意力机制，使得模型更关注时间序列中重要的时间节点，大幅缩减时间维度
- 基于多尺度U-Net与Transformer特征融合的航空遥感图像飞机检测方法
- 作者： 张善文 邵彧 李萍 令伟锋 来源： 弹箭与制导学报 年份： 2024 文献类型 ： 期刊 关键词： Transformer Net与Transformer 航空遥感图像飞机检测 多尺度U Net
- 描述： 航空遥感图像(ARSI)飞机检测一直是一个重要且具有挑战性的课题。针对现有ARSI飞机检测方法(ARSIAD)检测目标的边缘模糊、小目标的检测精度低、没有充分利用ARSI的全局上下文信息等问题，提出一种基于多尺度U-Net与Transformer (MSU-Trans)特征融合的ARSIAD方法。通过多尺度卷积模块Inception提取ARSI中多样性目标的分类特征，通过Transformer增强模型的全局语义检测性能，通过特征融合模块整合高层和低层特征，得到航空目标图像完整的边缘和纹理特征。该模型结合多尺度U-Net较强的局部特征提取能力和Transformer较强的全局上下文依存关系提取能力，进而提高MSU-Trans的整体检测性能。在ARSI集上的试验表明，与U-Net、多尺度U-Net、注意力U-Nets相比，MSU-Trans具有较高的检测精度，精度超过95%,该方法为ARSIAD提供一定的技术支撑。
- 基于多尺度U-Net与Transformer特征融合的航空遥感图像飞机检测方法
- 作者： 张善文 邵彧 李萍 令伟锋 来源： 弹箭与制导学报 年份： 2024 文献类型 ： 期刊 关键词： Transformer Net与Transformer 航空遥感图像飞机检测 多尺度U Net
- 描述： 航空遥感图像(ARSI)飞机检测一直是一个重要且具有挑战性的课题。针对现有ARSI飞机检测方法(ARSIAD)检测目标的边缘模糊、小目标的检测精度低、没有充分利用ARSI的全局上下文信息等问题，提出一种基于多尺度U-Net与Transformer (MSU-Trans)特征融合的ARSIAD方法。通过多尺度卷积模块Inception提取ARSI中多样性目标的分类特征，通过Transformer增强模型的全局语义检测性能，通过特征融合模块整合高层和低层特征，得到航空目标图像完整的边缘和纹理特征。该模型结合多尺度U-Net较强的局部特征提取能力和Transformer较强的全局上下文依存关系提取能力，进而提高MSU-Trans的整体检测性能。在ARSI集上的试验表明，与U-Net、多尺度U-Net、注意力U-Nets相比，MSU-Trans具有较高的检测精度，精度超过95%,该方法为ARSIAD提供一定的技术支撑。
- 基于改进YOLOv5的飞机舱门识别与定位方法研究
- 作者： 张长勇 郭聪 李玉洲 张朋武 来源： 计算机测量与控制 年份： 2024 文献类型 ： 期刊 关键词： 舱门识别与定位 YOLOv5 机场特种车辆 自动靠机 三维定位
- 描述： 角点的像素，利用空间几何关系，实现了对舱门准确的三维定位。实验结果表明，改进后的YOLOv5算法mAP达到96.5%,相比原有算法提升了5.6%。在舱门前方19 m和1 m处时，实时最大定位误差分别为0.15 m和0.01 m,能够满足特种车辆靠机完成后与舱门保持5～10 cm的安全距离要求。
- 一种基于Transformer编码器与LSTM的飞机轨迹预测方法
- 作者： 李明阳 鲁之君 曹东晶 曹世翔 来源： 航天返回与遥感 年份： 2024 文献类型 ： 期刊 关键词： Transformer Encoder 轨迹预测 Transformer编码器 飞机目标 神经网络 LSTM模型
- 描述： 为了解决飞机目标机动数据集缺失的问题，文章利用运动学建模生成了丰富的轨迹数据集，为网络训练提供了必要的数据支持。针对现阶段轨迹预测运动学模型建立困难及时序预测方法难以提取时空特征的问题，提出了一种结合Transformer编码器和长短期记忆网络（Long Short Term Memory,LSTM）的飞机目标轨迹预测方法，即Transformer-Encoder-LSTM模型。新模型可同时提供LSTM和Transformer编码器模块的补充历史信息和基于注意力的信息表示，提高了模型能力。通过与一些经典神经网络模型进行对比分析，发现在数据集上，新方法的平均位移误差减小到0.22，显著优于CNN-LSTMAttention模型的0.35。相比其他网络，该算法能够提取复杂轨迹中的隐藏特征，在面对飞机连续转弯、大机动转弯的复杂轨迹时，能够保证模型的鲁棒性，提升了对于复杂轨迹预测的准确性。