基于深度学习的航空监视方法研究
我国是一个幅员辽阔的国家, 地理条件复杂, 常规的国土安全巡检方法会耗费大量人力物力.为此, 提出了一种基于深度学习的航空监视方法, 其利用无人机从高空采集图像, 并利用卷积神经网络对采集图像进行分类判断, 从而对场景进行监视.其目的在于用人工智能的手段, 通过无人机代替人工进行巡检, 从而提高国土安全监视效率.为此, 本文建立了包含10种不同场景的俯视视角的数据库.通过卷积神经网络模型, 对不同场景的图像特征进行学习, 使得模型可以分辨不同的场景.为了验证本方法的可行性, 本文在10种空基视角的数据库上进行了实验, 结果显示其分类准确率达到97%.说明本方法可满足安全监视的需求, 为实现智能监视提供了思路.
航空监视、俯视视角、深度学习、国土安全、人工智能
42
TP391.4;TN919.81(计算技术、计算机技术)
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
99-103