针对视觉算法在检测航拍图像中密集小目标时容易受到目标重叠、遮挡等情况干扰的现象,提出了一种基于高阶空间特征(目标形状、位置等信息的高级表示)提取的Transformer检测头HSF-TPH(Transformer prediction head with high-order spati...针对视觉算法在检测航拍图像中密集小目标时容易受到目标重叠、遮挡等情况干扰的现象,提出了一种基于高阶空间特征(目标形状、位置等信息的高级表示)提取的Transformer检测头HSF-TPH(Transformer prediction head with high-order spatial feature extraction)。所提检测头中将自注意力机制中的二阶交互扩展到三阶以生成高阶空间特征,提取更有区分度的空间关系,突出每一个小目标在空间上的语义信息。同时,为了缓解骨干网络过度下采样对小目标信息的压缩,设计了一种高分辨率特征图生成机制,增加头部网络的输入特征分辨率,以提升HSFTPH检测密集小目标的效果。设计了新的损失函数USIoU,降低算法位置偏差敏感性。在VisDrone2019数据集上开展实验证明,所提算法在面积最小、密度最高的人类目标的检测任务中实现了mAP50指标10个百分点以上的性能提升。展开更多
为了促进区域经济发展、改善黄河流域生态环境质量,基于景区兴趣点(point of interest,POI)数据,采用核密度估计、标准差椭圆、地理联系率和空间叠加分析等方法,探究黄河流域中游170个3A级及以上(以下简称“3A级以上”)山地景区的空间...为了促进区域经济发展、改善黄河流域生态环境质量,基于景区兴趣点(point of interest,POI)数据,采用核密度估计、标准差椭圆、地理联系率和空间叠加分析等方法,探究黄河流域中游170个3A级及以上(以下简称“3A级以上”)山地景区的空间分布特点及影响因素.结果表明:①黄河流域中游3A级以上山地景区集中分布在晋、陕、豫三省,景区密度大.3A级山地景区高密度区主要分布在豫北、豫南、晋东南;4A级山地景区呈向右旋转90°的“Y”型分布;5A级山地景区主要集中在晋、陕、豫交界处,组团状分布,由东北向西南展布.②自然地理环境方面,3A级以上山地景区主要分布在海拔300~1200 m处,坡度为15°~45°,偏南坡.河流水系、植被指数、空气质量对景区分布的影响效果显著.③社会经济环境方面,交通区位、固定资产投资、旅游收入和文化遗产禀赋是景区发展的重要影响因素.展开更多
为了提高多视图深度估计结果精度,提出一种基于自适应空间特征增强的多视图深度估计算法。设计了由改进后的特征金字塔网络(feature pyramid network,FPN)和自适应空间特征增强(adaptive space feature enhancement,ASFE)组成的多尺度...为了提高多视图深度估计结果精度,提出一种基于自适应空间特征增强的多视图深度估计算法。设计了由改进后的特征金字塔网络(feature pyramid network,FPN)和自适应空间特征增强(adaptive space feature enhancement,ASFE)组成的多尺度特征提取模块,获取到具有全局上下文信息和位置信息的多尺度特征图像。通过残差学习网络对深度图进行优化,防止多次卷积操作出现重建边缘模糊的问题。通过分类的思想构建focal loss函数增强网络模型的判断能力。由实验结果可知,该算法在DTU(technical university of denmark)数据集上和CasMVSNet(Cascade MVSNet)算法相比,在整体精度误差、运行时间、显存资源占用上分别降低了14.08%、72.15%、4.62%。在Tanks and Temples数据集整体评价指标Mean上该模型优于其他算法,证明提出的基于自适应空间特征增强的多视图深度估计算法的有效性。展开更多
文摘针对视觉算法在检测航拍图像中密集小目标时容易受到目标重叠、遮挡等情况干扰的现象,提出了一种基于高阶空间特征(目标形状、位置等信息的高级表示)提取的Transformer检测头HSF-TPH(Transformer prediction head with high-order spatial feature extraction)。所提检测头中将自注意力机制中的二阶交互扩展到三阶以生成高阶空间特征,提取更有区分度的空间关系,突出每一个小目标在空间上的语义信息。同时,为了缓解骨干网络过度下采样对小目标信息的压缩,设计了一种高分辨率特征图生成机制,增加头部网络的输入特征分辨率,以提升HSFTPH检测密集小目标的效果。设计了新的损失函数USIoU,降低算法位置偏差敏感性。在VisDrone2019数据集上开展实验证明,所提算法在面积最小、密度最高的人类目标的检测任务中实现了mAP50指标10个百分点以上的性能提升。
文摘为了促进区域经济发展、改善黄河流域生态环境质量,基于景区兴趣点(point of interest,POI)数据,采用核密度估计、标准差椭圆、地理联系率和空间叠加分析等方法,探究黄河流域中游170个3A级及以上(以下简称“3A级以上”)山地景区的空间分布特点及影响因素.结果表明:①黄河流域中游3A级以上山地景区集中分布在晋、陕、豫三省,景区密度大.3A级山地景区高密度区主要分布在豫北、豫南、晋东南;4A级山地景区呈向右旋转90°的“Y”型分布;5A级山地景区主要集中在晋、陕、豫交界处,组团状分布,由东北向西南展布.②自然地理环境方面,3A级以上山地景区主要分布在海拔300~1200 m处,坡度为15°~45°,偏南坡.河流水系、植被指数、空气质量对景区分布的影响效果显著.③社会经济环境方面,交通区位、固定资产投资、旅游收入和文化遗产禀赋是景区发展的重要影响因素.
文摘为了提高多视图深度估计结果精度,提出一种基于自适应空间特征增强的多视图深度估计算法。设计了由改进后的特征金字塔网络(feature pyramid network,FPN)和自适应空间特征增强(adaptive space feature enhancement,ASFE)组成的多尺度特征提取模块,获取到具有全局上下文信息和位置信息的多尺度特征图像。通过残差学习网络对深度图进行优化,防止多次卷积操作出现重建边缘模糊的问题。通过分类的思想构建focal loss函数增强网络模型的判断能力。由实验结果可知,该算法在DTU(technical university of denmark)数据集上和CasMVSNet(Cascade MVSNet)算法相比,在整体精度误差、运行时间、显存资源占用上分别降低了14.08%、72.15%、4.62%。在Tanks and Temples数据集整体评价指标Mean上该模型优于其他算法,证明提出的基于自适应空间特征增强的多视图深度估计算法的有效性。
