基于 RBWGAN 的特殊场景下机场围界入侵检测方法
摘要
随着航空业的快速扩展，机场迎来了客流量与航班量的持续攀升，这给安全管理带来了前所未有的挑战。传统监控模式存在人工难以全面兼顾的问题；当前智能视频分析技术难以精确识别；传统数据增强方法也存在对特征的提取与重建能力不足。针对这些问题，本文提出了基于RBWGAN的生成对抗网络进行图像融合与生成的方法，并设计了新的特征生成结构，以实现更加精准的目标检测。该方法在复杂多变的环境条件下表现出色，为机场围界入侵检测提供了有效的解决方案。
关键词
生成对抗网络、深度学习、围界安防、机场运行
全文:
PDF参考
[1]Jiang，Peiyuan，et al."A Review of Yolo algorithm developments." Procedia computer science 199（2022）：1066-1073.
[2]He，Kaiming，et al."Mask r-cnn." Proceedings of the IEEE international conference on computer vision.2017.
[3]Dai，Bin，and David Wipf."Diagnosing and enhancing VAE models." arXiv preprint arXiv：1903.05789（2019）.
[4]Goodfellow Ian，Pouget-Abadie J，Mirza M，et al.Generative adversarial nets[C]//Advances in Neural Information Processing
Systems.2014：2672-2680.
[5]《民用航空运输机场安全保卫设施》（MH 7003/T-2017）
[6]董兵，耿文博，杨轲，等.基于改进 YOLOv5 的机场目标检测方法[J].现代计算机，2023，29（06）：19-26.
[7]王阳，袁国武，瞿睿，等.基于改进 YOLOv3 的机场停机坪目标检测方法[J].郑州大学学报（理学版），2022，54（05）：22-28.DOI：
10.13705/j.issn.1671-6841.2021287.
(2 摘要 Views, 1 PDF Downloads)
Refbacks
- 当前没有refback。