针对遥感图像建筑物的轮廓分割不完整、边界分割模糊和阴影干扰等导致的错误分割问题,提出一种基于VGG16的卷积块注意力深度可分离卷积U-Net网络(VGG16 Convolutional Block Attention and Deep Separable Convolution U-Net,VCDG-UNet...针对遥感图像建筑物的轮廓分割不完整、边界分割模糊和阴影干扰等导致的错误分割问题,提出一种基于VGG16的卷积块注意力深度可分离卷积U-Net网络(VGG16 Convolutional Block Attention and Deep Separable Convolution U-Net,VCDG-UNet)。为对建筑物特征进行提取,编码器部分模型以具有强大特征提取能力的VGG16作为骨干网络;解码器部分用深度可分离卷积代替普通卷积来减少参数量并融合不同尺度的特征;引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)加入跳跃连接中,使其更有效地从不同尺度的图像中提取上下文信息并提高其对重要区域的关注度;为解决网络训练过程中的梯度消失问题,使用了高斯误差线性单元(Gaussian Error Linear Unit,GELU)。实验结果显示,改进后的网络在WHU和INRIA数据集上的平均交并比(mean Intersection over Union,mIoU)和F1-score分别达到了94.20%、96.83%和89.69%、94.51%,相较于基础模型高出了1.59%、0.76%和2.8%、1.59%。展开更多
偏最小二乘(Partial least square,PLS)聚类法是一种全新的气溶胶单粒子光谱数据处理方法,是利用具有"自组织机制"的PLS回归算法去完成数据的聚类。阐述了PLS聚类对模拟数据集的运用以展示这种方法的一般特征及有效性,然后应...偏最小二乘(Partial least square,PLS)聚类法是一种全新的气溶胶单粒子光谱数据处理方法,是利用具有"自组织机制"的PLS回归算法去完成数据的聚类。阐述了PLS聚类对模拟数据集的运用以展示这种方法的一般特征及有效性,然后应用到气溶胶激光飞行时间质谱数据以展示PLS聚类的正确性及成功运用,最后将PLS聚类应用到氯化钙、氯化镁、氯化钠及氯化钾四种气溶胶单粒子激光击穿光谱混合数据集,通过分析聚类获得的树形图和图中节点的统计特性,剖析了正确聚类及发生错误划分的原因,表明了PLS聚类方法在气溶胶单粒子谱分析方面的应用潜力。展开更多
文摘针对遥感图像建筑物的轮廓分割不完整、边界分割模糊和阴影干扰等导致的错误分割问题,提出一种基于VGG16的卷积块注意力深度可分离卷积U-Net网络(VGG16 Convolutional Block Attention and Deep Separable Convolution U-Net,VCDG-UNet)。为对建筑物特征进行提取,编码器部分模型以具有强大特征提取能力的VGG16作为骨干网络;解码器部分用深度可分离卷积代替普通卷积来减少参数量并融合不同尺度的特征;引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)加入跳跃连接中,使其更有效地从不同尺度的图像中提取上下文信息并提高其对重要区域的关注度;为解决网络训练过程中的梯度消失问题,使用了高斯误差线性单元(Gaussian Error Linear Unit,GELU)。实验结果显示,改进后的网络在WHU和INRIA数据集上的平均交并比(mean Intersection over Union,mIoU)和F1-score分别达到了94.20%、96.83%和89.69%、94.51%,相较于基础模型高出了1.59%、0.76%和2.8%、1.59%。
文摘偏最小二乘(Partial least square,PLS)聚类法是一种全新的气溶胶单粒子光谱数据处理方法,是利用具有"自组织机制"的PLS回归算法去完成数据的聚类。阐述了PLS聚类对模拟数据集的运用以展示这种方法的一般特征及有效性,然后应用到气溶胶激光飞行时间质谱数据以展示PLS聚类的正确性及成功运用,最后将PLS聚类应用到氯化钙、氯化镁、氯化钠及氯化钾四种气溶胶单粒子激光击穿光谱混合数据集,通过分析聚类获得的树形图和图中节点的统计特性,剖析了正确聚类及发生错误划分的原因,表明了PLS聚类方法在气溶胶单粒子谱分析方面的应用潜力。
