-
题名基于CycleGAN的月表图像数据增强方法
- 1
-
-
作者
宋婷
兀泽朝
高艾
袁建平
-
机构
西北工业大学航天学院
上海航天控制技术研究所
北京机电工程研究所
复杂系统控制与智能协同技术重点实验室
北京理工大学宇航学院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2023年第10期3041-3048,共8页
-
基金
国家自然科学基金(11872110)资助课题。
-
文摘
针对月球表面先验图像信息获取困难的问题,提出一种基于对抗神经网络的月表先验图像数据增强方法。在获取少量月表图像及障碍背景分割图的基础上,构建基于对抗神经网络的月表图像数据增强架构,利用新的障碍背景分割图匹配生成月表图像,扩充月表先验图像数据,可用于月球探测中障碍检测算法设计验证。仿真结果证明了所提方法生成的月表图像接近真实拍摄图像,且通过数据增强图像数据,使障碍检测结果获得明显提升,证明了方法的有效性。
-
关键词
月球探测
数据增强
深度学习
对抗神经网络
-
Keywords
lunar exploration
data enhancement
deep learning
adversarial neural networks
-
分类号
V448
[航空宇航科学与技术—飞行器设计]
-
-
题名月表陨坑检测轻量化深度学习方法
被引量：1
- 2
-
-
作者
高艾
周永军
王俊伟
兀泽朝
-
机构
北京理工大学宇航学院
深空自主导航与控制工业和信息化部重点实验室
飞行器动力学与控制教育部重点实验室
-
出处
《宇航学报》
EI
CAS
CSCD
北大核心
2022年第6期830-838,共9页
-
基金
国家自然科学基金(11872110)。
-
文摘
针对目前基于深度学习的陨坑检测方法存在的模型参数量大和检测速度慢的问题,提出了一种轻量化的深度学习陨坑检测方法。首先,采用通道剪枝方法删减卷积神经网络中冗余的卷积核,得到结构紧凑高效的陨坑检测模型。然后,使用轻量化的深度可分离卷积操作替换基础陨坑检测模型中的标准卷积操作,进一步降低了模型的复杂度。仿真实验结果表明,所提出的轻量化陨坑检测模型能够保证较高的像素预测精度,并且能够适应亮度、图像噪声等干扰因素的影响。同时,与轻量化处理前的模型相比,参数量减少了99.2%,检测速度提升了94%。
-
关键词
月球着陆探测
陨坑检测
深度学习
卷积神经网络
轻量化处理
-
Keywords
Lunar landing exploration
Crater detection
Deep learning
Convolutional neural networks
Lightweight processing
-
分类号
V448
[航空宇航科学与技术—飞行器设计]
-
