• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2018 IEEE 17th International Conference on Mathematical Methods in Electromagnetic Theory >Detection of Airplanes on the Ground Using YOLO Neural Network
【24h】

Detection of Airplanes on the Ground Using YOLO Neural Network

机译：使用YOLO神经网络检测地面飞机

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The presented paper benchmarks the performance of state-of-the-art methods of objects detection in the particular case of airplanes on the ground identification detection in aerial images taken from unmanned aerial vehicles or satellites. There were tested two popular single-stage neural networks YOLO v.3 and Tiny YOLO v.3 based on the “You Only Look Once” approach. The considered artificial neural network architectures for objects detection has been trained and applied over the specifically created image database. Experimental verification proves their high detection ability, location precision and realtime processing speed using modern graphics processing unit. That approach can be easily applied for detection of many different classes of ground objects.
机译：提出的论文对从飞机上无人驾驶飞机或卫星拍摄的空中图像中的地面识别检测中，在飞机特殊情况下的最新物体检测方法的性能进行了基准测试。在“仅看一次”方法的基础上，测试了两个流行的单阶段神经网络YOLO v.3和Tiny YOLO v.3。已经考虑了用于对象检测的人工神经网络体系结构，并将其应用于专门创建的图像数据库。实验验证证明，它们具有现代图形处理单元的高检测能力，定位精度和实时处理速度。该方法可以轻松应用于许多不同类别的地面物体的检测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号