检索结果-维普期刊中文期刊服务平台

基于Faster R-CNN的航母舰面多尺度目标检测算法被引量：11: 1; 作者范加利田少兵 +1 位作者黄葵朱兴动《系统工程与电子技术》 EI CSCD 北大核心 2022年第1期40-46,共7页; 针对航母舰面复杂的多尺度目标检测环境,且现有算法对牵引车、人员等小目标检测性能不佳的问题,提出一种改进快速区域卷积神经网络(faster region convolutional neural netuorks, Faster R-CNN)的舰面多尺度目标检测算法。基于多尺度... 展开更多; 关键词目标检测多尺度特征层 K-MEANS聚类航母舰面; 在线阅读下载PDF 职称材料

基于深度卷积神经网络的舰载机目标检测被引量：7: 2; 作者朱兴动田少兵 +3 位作者黄葵范加利王正陈化成《计算机应用》 CSCD 北大核心 2020年第5期1529-1533,共5页; 针对航母甲板面舰载机密集易遮挡,舰载机目标难以检测,且检测效果易受光照条件和目标尺度影响的问题,提出了一种改进的更快的区域卷积神经网络(Faster R-CNN)舰载机目标检测方法。该方法设计了带排斥损失策略的损失函数,并结合多尺度训... 展开更多; 关键词舰载机目标检测排斥损失策略更快的区域卷积神经网络多尺度训练; 在线阅读下载PDF 职称材料

基于检测的舰载机多目标实时跟踪算法被引量：2: 3; 作者田少兵朱兴动 +1 位作者范加利王正《航空兵器》 CSCD 北大核心 2021年第4期49-55,共7页; 面向航空母舰舰载机调运作业过程中安全引导、运动状态实时监控,针对传统的基于检测的目标跟踪算法跟踪性能不佳且易受干扰的问题,提出了将YOLO v3目标检测算法和卡尔曼滤波相结合的舰载机多目标实时跟踪算法。通过K-means聚类算法优化... 展开更多; 关键词目标检测卡尔曼滤波匈牙利算法目标跟踪深度学习; 在线阅读下载PDF 职称材料

基于深度卷积神经网络的舰载机轮廓关键点检测算法被引量：2: 4; 作者朱兴动田少兵 +1 位作者范加利王正《兵工自动化》 2021年第6期71-75,共5页; 为解决航母舰载机已有关键点检测算法的检测性能不高且对遮挡关键点检测效果差的问题,提出一种基于深度残差网络和特征金字塔网络的舰载机轮廓关键点检测算法。通过提取舰载机关键点深层图像特征及对不同尺度的特征进行融合,实验分析目... 展开更多; 关键词深度学习关键点检测深度残差网络特征金字塔网络舰载机; 在线阅读下载PDF 职称材料

基于蚁群算法的舰载机甲板路径规划: 5; 作者孙茂伟范加利 +1 位作者高富东王云翔《火力与指挥控制》 CSCD 北大核心 2023年第7期104-109,114,共7页; 针对空间狭小、障碍物经常变动的航母甲板上舰载机移动路径规划问题,提出了一种基于蚁群算法的舰载机甲板路径规划方法。通过Dijkstra算法确定蚁群算法的路径寻优空间,采用蚁群算法进行最短路径寻优。在蚁群算法中融合了路径包围盒碰撞... 展开更多; 关键词蚁群算法路径规划避障舰载机路径包围盒; 在线阅读下载PDF 职称材料

题名基于Faster R-CNN的航母舰面多尺度目标检测算法被引量：11: 1; 作者范加利田少兵黄葵朱兴动; 机构海军航空大学(青岛校区)舰面航空保障与场站管理系中国人民解放军海军航空大学岸防兵学院; 出处《系统工程与电子技术》 EI CSCD 北大核心 2022年第1期40-46,共7页; 基金军队科研基金资助课题。; 文摘针对航母舰面复杂的多尺度目标检测环境,且现有算法对牵引车、人员等小目标检测性能不佳的问题,提出一种改进快速区域卷积神经网络(faster region convolutional neural netuorks, Faster R-CNN)的舰面多尺度目标检测算法。基于多尺度特征层提取了不同尺度的区域建议网络,提高了算法对不同尺度目标尤其是对小目标的检测性能。基于K-means聚类算法生成了适合于舰面目标数据集的先验框尺寸,进一步提升了算法的性能。实验表明,所提算法有效地提升了不同尺度目标的检测性能,尤其是对小目标的检测效果,并对所提算法进行了消融实验,最后与不同算法的性能进行了对比,所提算法检测准确率取得了最优水平。; 关键词目标检测多尺度特征层 K-MEANS聚类航母舰面; Keywords object detection multi-scale feature layer K-means clustering aircraft carrier surface; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度卷积神经网络的舰载机目标检测被引量：7: 2; 作者朱兴动田少兵黄葵范加利王正陈化成; 机构海军航空大学岸防兵学院海军航空大学(青岛校区)舰面航空保障与场站管理系; 出处《计算机应用》 CSCD 北大核心 2020年第5期1529-1533,共5页; 文摘针对航母甲板面舰载机密集易遮挡,舰载机目标难以检测,且检测效果易受光照条件和目标尺度影响的问题,提出了一种改进的更快的区域卷积神经网络(Faster R-CNN)舰载机目标检测方法。该方法设计了带排斥损失策略的损失函数,并结合多尺度训练,利用实验室条件下采集的图片对深度卷积神经网络进行训练并测试。测试实验显示,相对于原始Faster R-CNN检测模型,改进后的模型对遮挡舰载机目标具有良好的检测效果,召回率提高了7个百分点,精确率提高了6个百分点。实验结果表明,所提的改进方法能够自动全面地提取舰载机目标特征,解决了遮挡舰载机目标的检测问题,检测精度和速度均能够满足实际需要,且在不同的光照条件和目标尺度下适应性强,鲁棒性较高。; 关键词舰载机目标检测排斥损失策略更快的区域卷积神经网络多尺度训练; Keywords carrier-based aircraft target detection repulsion loss strategy Faster Region with Convolutional Neural Network(Faster R-CNN) multi-scale training; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于检测的舰载机多目标实时跟踪算法被引量：2: 3; 作者田少兵朱兴动范加利王正; 机构海军航空大学(青岛校区)舰面航空保障与场站管理系海军航空大学岸防兵学院; 出处《航空兵器》 CSCD 北大核心 2021年第4期49-55,共7页; 文摘面向航空母舰舰载机调运作业过程中安全引导、运动状态实时监控,针对传统的基于检测的目标跟踪算法跟踪性能不佳且易受干扰的问题,提出了将YOLO v3目标检测算法和卡尔曼滤波相结合的舰载机多目标实时跟踪算法。通过K-means聚类算法优化了原YOLO v3算法的锚点框大小,结合卡尔曼滤波算法对舰面舰载机目标实现有效的跟踪,并在自建的舰载机多目标跟踪数据集和MOT16多目标跟踪数据集上与基于光流法的跟踪算法、SORT多目标跟踪算法进行了对比实验。结果表明,本文提出的跟踪算法准确性、鲁棒性、稳定性更高,且当目标框宽度、高度发生突变时具有较强的适应能力。; 关键词目标检测卡尔曼滤波匈牙利算法目标跟踪深度学习; Keywords object detection Kalman filtering Hungarian algorithm object tracking deep learning; 分类号 TJ760 [兵器科学与技术—武器系统与运用工程] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度卷积神经网络的舰载机轮廓关键点检测算法被引量：2: 4; 作者朱兴动田少兵范加利王正; 机构海军航空大学岸防兵学院中国人民解放军海军航空大学(青岛校区)舰面航空保障与场站管理系; 出处《兵工自动化》 2021年第6期71-75,共5页; 基金军队科研基金(舰载机自动牵引关键技术研究)。; 文摘为解决航母舰载机已有关键点检测算法的检测性能不高且对遮挡关键点检测效果差的问题,提出一种基于深度残差网络和特征金字塔网络的舰载机轮廓关键点检测算法。通过提取舰载机关键点深层图像特征及对不同尺度的特征进行融合,实验分析目标检测算法、特征提取网络和输入图像大小等因素对关键点检测算法性能的影响,并与其他关键点检测算法进行实验对比。结果表明,该算法能取得最优效果。; 关键词深度学习关键点检测深度残差网络特征金字塔网络舰载机; Keywords deep learning key point detection deep residual network feature pyramid network shipboard aircraft; 分类号 TJ85 [兵器科学与技术—武器系统与运用工程]; 在线阅读下载PDF 职称材料

题名基于蚁群算法的舰载机甲板路径规划: 5; 作者孙茂伟范加利高富东王云翔; 机构海军航空大学(青岛校区)舰面航空保障与场站管理系; 出处《火力与指挥控制》 CSCD 北大核心 2023年第7期104-109,114,共7页; 基金军队科研基金资助项目。; 文摘针对空间狭小、障碍物经常变动的航母甲板上舰载机移动路径规划问题,提出了一种基于蚁群算法的舰载机甲板路径规划方法。通过Dijkstra算法确定蚁群算法的路径寻优空间,采用蚁群算法进行最短路径寻优。在蚁群算法中融合了路径包围盒碰撞检测方法,将检测结果作用于蚁群算法中信息素的更新,实现舰载机路径避障。仿真实验表明,该舰载机甲板路径规划方法能够实现避障前提下的最短路径规划。; 关键词蚁群算法路径规划避障舰载机路径包围盒; Keywords ant colony algorithm path planning obstacle avoidance carrier-based aircraft path bounding box; 分类号 TP202 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于Faster R-CNN的航母舰面多尺度目标检测算法	范加利田少兵黄葵朱兴动	《系统工程与电子技术》 EI CSCD 北大核心	2022	11	在线阅读下载PDF 职称材料
2	基于深度卷积神经网络的舰载机目标检测	朱兴动田少兵黄葵范加利王正陈化成	《计算机应用》 CSCD 北大核心	2020	7	在线阅读下载PDF 职称材料
3	基于检测的舰载机多目标实时跟踪算法	田少兵朱兴动范加利王正	《航空兵器》 CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
4	基于深度卷积神经网络的舰载机轮廓关键点检测算法	朱兴动田少兵范加利王正	《兵工自动化》	2021	2	在线阅读下载PDF 职称材料
5	基于蚁群算法的舰载机甲板路径规划	孙茂伟范加利高富东王云翔	《火力与指挥控制》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料