期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,101篇文章
< 1 2 … 56 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
高分辨率卫星遥感影像融合下的地表覆盖度变化特征提取
1
作者 谭盛辉 梁小清 罗雅丹 《信息技术》 2025年第1期141-146,共6页
在多参量关联的作用下,传统地表覆盖度变化特征提取方法的特征提取结果与预期结果偏差较大,无法满足地表信息分析要求。为了解决这一问题,提出高分辨率卫星遥感影像融合下的地表覆盖度变化特征提取方法。对高分辨率卫星遥感影像融合下... 在多参量关联的作用下,传统地表覆盖度变化特征提取方法的特征提取结果与预期结果偏差较大,无法满足地表信息分析要求。为了解决这一问题,提出高分辨率卫星遥感影像融合下的地表覆盖度变化特征提取方法。对高分辨率卫星遥感影像融合下的地表覆盖度变化图像进行预处理,建立地表覆盖度变化图像噪声模型,选取覆盖度变化特征最优提取尺度,融合评价特征提取损失,平衡提取过程中各项参量间的权重影响,获得最佳提取效果。测试结果表明,提出方法的特征提取精准度可以达到97.6%以上,所得结果稳定性较好、可信度较高。 展开更多
关键词 高分辨率 遥感影像 地表覆盖度 变化特征提取 损失函数
在线阅读 下载PDF
面向高分辨率图像传输的CNN网络编码方案研究
2
作者 刘娜 杨颜博 +2 位作者 张嘉伟 李宝山 马建峰 《西安电子科技大学学报》 北大核心 2025年第2期225-238,共14页
网络编码技术可以有效提升网络的吞吐率,然而,传统网络编码的编解码复杂度高且难以自适应环境噪声等动态因素的影响而容易导致解码失真,近年来有研究者引入神经网络以优化网络编码过程,但在高分辨率图像传输任务中,现有的神经网络编码... 网络编码技术可以有效提升网络的吞吐率,然而,传统网络编码的编解码复杂度高且难以自适应环境噪声等动态因素的影响而容易导致解码失真,近年来有研究者引入神经网络以优化网络编码过程,但在高分辨率图像传输任务中,现有的神经网络编码方案对高维度空间信息的捕捉能力不足,带来较大的通信及计算开销。为此,文中提出采用二维卷积神经网络(CNN)对各网络节点的编解码器进行参数化设计的联合源的深度学习网络编码方案,通过CNN捕捉深层空间结构信息并降低网络节点的计算复杂度。在信源节点,通过卷积层运算实现对传输数据的降维处理,提升数据的传输速率;在中间节点,接收来自两个信源的数据并通过CNN编码压缩至单个信道传输;在信宿节点,对接收到的数据利用CNN进行升维解码而恢复出原始图像。实验表明,在不同信道带宽占用比和信道噪声水平下,该方案在峰值信噪比和结构相似度上展现出优良的解码性能。 展开更多
关键词 网络编码 深度学习 卷积神经网络 高分辨率图像 图像通信
在线阅读 下载PDF
基于改进Swin-UNet网络的高分辨率遥感影像建筑物提取
3
作者 袁啸宇 李振轩 高飞 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第11期1571-1579,共9页
针对传统人工提取方法目前在建筑物提取任务中自动化水平低,以及现有的卷积神经网络(convolutional neural network,CNN)、UNet等深度学习方法在遥感影像建筑物提取中边缘提取效果差、提取不完整等问题,文章提出一种基于改进的Swin-UNe... 针对传统人工提取方法目前在建筑物提取任务中自动化水平低,以及现有的卷积神经网络(convolutional neural network,CNN)、UNet等深度学习方法在遥感影像建筑物提取中边缘提取效果差、提取不完整等问题,文章提出一种基于改进的Swin-UNet网络模型的建筑自动提取方法。新网络模型在原Swin-UNet网络结构基础上,采用跨块注意力机制(cross-attention block,CAB)取代原网络的Swin Transformer块来构建新的网络体系,在武汉大学航空(WHU)建筑数据集和美国马萨诸塞州建筑物数据集建筑物提取试验中验证了模型的适用性。研究结果表明,该方法优于支持向量机(support vector machine,SVM)算法及基于传统的深度学习方法,具有良好的分割精度和鲁棒泛化能力。 展开更多
关键词 高分辨率遥感影像 深度学习 建筑物提取 Swin-UNet网络结构
在线阅读 下载PDF
基于SEEMD的高分辨率SAR图像目标特征提取方法 被引量：1
4
作者 娄军 金添 周智敏 《电子学报》 EI CAS CSCD 北大核心 2012年第4期793-798,共6页
针对高分辨率合成孔径雷达(SAR)图像,本文提出了一种基于分离集合平均经验模态分解(SEEMD)的目标散射特征提取方法.首先在图像二维波数域进行SEEMD分解获得每个目标的散射函数,然后估计目标散射特征参数,通过该参数可以区分目标所属的... 针对高分辨率合成孔径雷达(SAR)图像,本文提出了一种基于分离集合平均经验模态分解(SEEMD)的目标散射特征提取方法.首先在图像二维波数域进行SEEMD分解获得每个目标的散射函数,然后估计目标散射特征参数,通过该参数可以区分目标所属的散射类型.最后,仿真实验和实测数据的处理验证了方法的有效性. 展开更多
关键词 高分辨率SAR图像 特征提取 经验模态分解
在线阅读 下载PDF
基于高分辨率遥感图像语义分割的公路桥梁智能检测系统设计
5
作者 刘德坤 邓宗仁 龙祖游 《电子设计工程》 2025年第10期171-175,共5页
针对遥感图像中公路桥梁目标信息分割准确性较低的问题,设计基于高分辨率遥感图像语义分割的公路桥梁智能检测系统。采用无人机搭载遥感图像采集装置,获取公路桥梁全色图像、多光谱图像,处理端利用公路桥梁目标智能检测模型,通过特征提... 针对遥感图像中公路桥梁目标信息分割准确性较低的问题,设计基于高分辨率遥感图像语义分割的公路桥梁智能检测系统。采用无人机搭载遥感图像采集装置,获取公路桥梁全色图像、多光谱图像,处理端利用公路桥梁目标智能检测模型,通过特征提取模块从输入的高分辨率遥感图像中提取低、高层图像特征,将多层次边缘和主体特征融合,实现对公路桥梁目标区域精准分割检测。通过试验验证,该系统在公路桥梁遥感图像目标信息的智能化分割检测时,检测结果的像素精度与交并比数值接近1,分割准确性较高。 展开更多
关键词 高分辨率 遥感图像 语义分割 公路桥梁 智能检测系统 双解耦语义分割网络
在线阅读 下载PDF
基于特征金字塔融合高分辨率网络的光伏热斑识别 被引量：6
6
作者 孙海蓉 李莉 +1 位作者 周映杰 周黎辉 《太阳能学报》 EI CAS CSCD 北大核心 2023年第9期109-116,共8页
针对光伏热斑识别算法中存在的深层网络参数运算复杂、梯度信息易消失和模型退化准确率下降等问题,提出一种基于特征金字塔融合高分辨率网络的光伏热斑识别检测算法。首先,该算法搭建一种多分辨率子网并行连接的网络模型,解决深层网络... 针对光伏热斑识别算法中存在的深层网络参数运算复杂、梯度信息易消失和模型退化准确率下降等问题,提出一种基于特征金字塔融合高分辨率网络的光伏热斑识别检测算法。首先,该算法搭建一种多分辨率子网并行连接的网络模型,解决深层网络热斑细节信息丢失、特征冗余的难题。其次,引入特征金字塔的多尺度融合模块,跨层连接深浅层不同尺度特征图,解决特征语义的鸿沟、提高模型识别精度。实验结果表明:所提出的算法在光伏红外热斑图像数据集上的分类效果优于经典的深度卷积神经网络算法,准确率可达97.2%,可实现高精度高分辨率的热斑检测识别。 展开更多
关键词 光伏效应 特征提取 图像分类 高分辨率网络 热斑
在线阅读 下载PDF
基于注意力机制与高分辨率网络的人体姿态估计
7
作者 张铭 李成龙 +2 位作者 高新燕 王鹏飞 张金萧 《南京师范大学学报（工程技术版）》 CAS 2024年第4期46-56,共11页
人体姿态估计旨在从图像或视频中精确识别关键点位置和姿态,对行为识别、人机交互等至关重要.高分辨率网络能够从图像中提取包含多尺度信息的人体关键点特征,但主要聚焦于图像局部范围内的特征信息,难以捕捉关节间的长距离依赖,因此易... 人体姿态估计旨在从图像或视频中精确识别关键点位置和姿态,对行为识别、人机交互等至关重要.高分辨率网络能够从图像中提取包含多尺度信息的人体关键点特征,但主要聚焦于图像局部范围内的特征信息,难以捕捉关节间的长距离依赖,因此易受复杂背景、遮挡等因素影响,限制了准确率.针对高分辨率网络在人体姿态估计中所面临的问题,提出了一种融合注意力机制和高分辨率网络的深度学习模块C2F-CBAM,该模块结合了C2F模块和CBAM模块的优势,结合先进的特征提取技术和强化的注意力机制,C2F-CBAM模块显著提高了模型在识别关键点的准确性.此外,将C2F-CBAM模块嵌入到HRNet网络的关键位置,使得该方法能够更好地整合和综合不同尺度的特征信息.这种融合策略不仅增强了模型对各种人体姿态和图像分辨率的适应性,还有效地处理了复杂背景和遮挡等问题.实验结果显示,该模型在COCO2017验证集上相较于其他方法具有显著优势,平均精度比传统HRNet网络提升了0.9,充分验证了模型的有效性和优越性. 展开更多
关键词 人体姿态估计 注意力机制 高分辨率网络 C2F-CBAM模块 关键点检测
在线阅读 下载PDF
多通路高分辨率网络与注意力机制融合的车辆检测模型 被引量：5
8
作者 丁飞 米冠宇 +3 位作者 童恩 张楠 暴建民 张登银 《汽车安全与节能学报》 CAS CSCD 北大核心 2022年第1期122-130,共9页
为改善道路交通监测和保证智能网联交通系统的安全、可靠与稳定运行,提出了在路侧边缘平台中基于多通路高分辨率网络与注意力机制融合的车辆检测模型MCHRANet。该模型采用多通路的高分辨率网络的结构设计,保留高分辨率特征并保障识别准... 为改善道路交通监测和保证智能网联交通系统的安全、可靠与稳定运行,提出了在路侧边缘平台中基于多通路高分辨率网络与注意力机制融合的车辆检测模型MCHRANet。该模型采用多通路的高分辨率网络的结构设计,保留高分辨率特征并保障识别准确率。融入注意力机制的特征融合方法,通过特征连接权重自学习实现多尺度特征的深度融合。各通路网络采用跳跃连接促进跨层特征融合,加速网络收敛,并利用公开数据集对车辆检测性能进行评估并验证。结果表明:所提模型的车辆检测性能优于3个传统模型,改进后的网络识别平均精度均值(mAP)指标接近95%,且对于不同场景下的检测具有良好的鲁棒性。 展开更多
关键词 车辆检测 高分辨率网络 注意力机制 特征融合 跳跃连接
在线阅读 下载PDF
褶积神经网络高分辨率地震反演 被引量：27
9
作者 张繁昌 刘汉卿 +1 位作者 钮学民 代荣获 《石油地球物理勘探》 EI CSCD 北大核心 2014年第6期1165-1169,5-6,共5页
随着地震勘探精细化要求的提高,薄层及横向变化大的复杂储层反演越来越重要。而当前反演方法大多基于褶积模型,分辨率较低。本文提出了基于褶积神经网络的反演方法,该方法完全由数据驱动,不受褶积模型的限制。褶积神经网络具有层状结构... 随着地震勘探精细化要求的提高,薄层及横向变化大的复杂储层反演越来越重要。而当前反演方法大多基于褶积模型,分辨率较低。本文提出了基于褶积神经网络的反演方法,该方法完全由数据驱动,不受褶积模型的限制。褶积神经网络具有层状结构,其输入输出之间的映射关系用褶积算子来描述,而非内积算子。基于褶积神经网络结构,本文给出了映射算子的优化算法,并将其应用到地震反演中。应用结果表明,通过褶积神经网络地震反演,可以获得比常规稀疏脉冲反演分辨率更高的地层波阻抗剖面。 展开更多
关键词 褶积神经网络 高分辨率 映射算子 数据驱动 地震反演
在线阅读 下载PDF
基于船位数据采集的舰船作业状态特征提取方法
10
作者 颜悦 游学军 吕太之 《舰船科学技术》 北大核心 2025年第6期145-148,共4页
复杂的海洋环境给精准提取舰船作业状态特征造成了困难,也影响了对舰船作业状态的判断效果。为解决这一问题,本文提出基于船位数据采集的舰船作业状态特征提取方法。首先,利用北斗导航卫星系统,采集舰船的经纬度、航速、航行方位角等船... 复杂的海洋环境给精准提取舰船作业状态特征造成了困难,也影响了对舰船作业状态的判断效果。为解决这一问题,本文提出基于船位数据采集的舰船作业状态特征提取方法。首先,利用北斗导航卫星系统,采集舰船的经纬度、航速、航行方位角等船位数据;然后,从舰船的累计作业时长、位置、空间距离、平均作业速率4个方面,分析舰船的作业状态特征。根据船位点在不同速率区间出现的频数,确定舰船的平均速率阈值;最后,根构建包含输入层、隐含层、输出层在内的深度神经网络,利用船位数据训练深度神经网络,输出舰船作业状态特征的提取结果。实验结果表明,该方法能够有效提取舰船的作业状态特征,帮助舰船作业人员在复杂多变的海洋环境中做出更加明智和及时的决策。 展开更多
关键词 船位数据采集 舰船作业状态 特征提取 舰船位置 深度神经网络 空间距离
在线阅读 下载PDF
基于自编码神经网络的高分辨率距离像降维法 被引量：6
11
作者 张建强 汪厚祥 杨红梅 《解放军理工大学学报（自然科学版）》 EI 北大核心 2016年第1期31-37,共7页
为了提高支持向量机(SVM)分类效率,大幅减少以高分辨率距离像(HRRP)功率谱为特征的支持向量机目标识别分类器的计算量,采用自编码神经网络深度学习方法,实现高维、非线性HRRP功率谱的数据降维。在此基础上,提出了Autoencoder-SVM模型,... 为了提高支持向量机(SVM)分类效率,大幅减少以高分辨率距离像(HRRP)功率谱为特征的支持向量机目标识别分类器的计算量,采用自编码神经网络深度学习方法,实现高维、非线性HRRP功率谱的数据降维。在此基础上,提出了Autoencoder-SVM模型,综合利用自编码神经网络的特征提取能力和SVM的分类能力。仿真结果显示,在HRRP功率谱降维方面,自编码神经网络的降维效果远好于核主成分分析和等距映射算法,其降维结果对SVM分类结果影响甚微,但大幅缩短了SVM的计算时间;同时,在隐层节点数相同的情况下,随着隐含层数的增加或者深度的增加,自编码神经网络数据降维或特征提取效果更好。 展开更多
关键词 自编码神经网络 高分辨率距离像 功率谱 数据降维
在线阅读 下载PDF
标签平滑的孪生高分辨率变化检测方法 被引量：1
12
作者 潘畅 李阳 +2 位作者 张旭波 马鑫骥 苗壮 《陆军工程大学学报》 2024年第4期51-59,共9页
针对现有变化检测方法编解码过程中出现的噪声失准、物体边界模糊和小目标变化检测率低等问题,提出了一种变化检测方法HAPNet-CD。该方法编码器采用孪生分支,使用HRNetV2作为骨干网,并在其中嵌入对齐扰动辅助差异模块提取变化特征和差... 针对现有变化检测方法编解码过程中出现的噪声失准、物体边界模糊和小目标变化检测率低等问题,提出了一种变化检测方法HAPNet-CD。该方法编码器采用孪生分支,使用HRNetV2作为骨干网,并在其中嵌入对齐扰动辅助差异模块提取变化特征和差异信息,使提取特征过程中始终保持高分辨率特征表示,进而在空间上得到更精确的特征。HAPNet-CD解码器利用变化特征和差异信息构建混合解码器和差异解码器进行解码,通过设计一种基于标签平滑的损失函数,使网络更加关注物体边界和小目标的变化,提高了物体边界和小目标变化检测准确率。在公开数据集DSIFN-CD和LEVIR-CD上进行测试,实验结果表明,相较于其他9种主流方法,HAPNet-CD在DSIFN-CD数据集上,Precision、Recall、F1和IoU指标分别提升了2.55%、4.58%、3.59%和5.9%;在LEVIR-CD数据集上,Precision指标提升了0.54%,Recall、F1和IoU指标均接近最先进水平。 展开更多
关键词 变化检测 孪生网络 高分辨率 标签平滑
在线阅读 下载PDF
基于形态神经网络的高分辨率卫星影像车辆检测 被引量：10
13
作者 余勇 郑宏 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2006年第B07期189-193,共5页
提出了一种从高分辨率全色卫星影像中提取车辆目标的形态神经网络方法．在这种方法中，使用了形态共享权神经网络（MSNN）把道路上的图像像素点集区分为车辆目标和非车辆目标．为了提高搜索效率和减少误检报警，还设计了一种形态预处理... 提出了一种从高分辨率全色卫星影像中提取车辆目标的形态神经网络方法．在这种方法中，使用了形态共享权神经网络（MSNN）把道路上的图像像素点集区分为车辆目标和非车辆目标．为了提高搜索效率和减少误检报警，还设计了一种形态预处理算法来获取候选兴趣域．文中采用0．6m分辨率的QuickBird全色数据进行了实验，实验结果表明提出的方法具有较好的检测性能． 展开更多
关键词 车辆检测 形态神经元网络 高分辨率卫星图像
在线阅读 下载PDF
一种基于概率神经网络的城市用地高分辨率影像信息提取方法
14
作者 程鹏 岳彩荣 +2 位作者 江东 黄耀欢 刘洋洋 《林业调查规划》 2016年第2期10-16,共7页
以国产高分辨率遥感影像为主要数据源,在建立城市用地类型体系的基础上,构建了一套结合面向对象的多尺度分割方法和概率神经网络模型优势的城市用地信息提取方法。对唐山市路南区实例验证表明,本研究提出的城市用地信息提取方法和分类... 以国产高分辨率遥感影像为主要数据源,在建立城市用地类型体系的基础上,构建了一套结合面向对象的多尺度分割方法和概率神经网络模型优势的城市用地信息提取方法。对唐山市路南区实例验证表明,本研究提出的城市用地信息提取方法和分类结果能够有效地提取包括城市裸地、建筑用地、水体、绿地、道路等城市用地类型,总体分类精度达86%,kappa系数达0.78。 展开更多
关键词 概率神经网络 多尺度分割 高分辨率影像 城市用地 信息提取 精度评价
在线阅读 下载PDF
基于高分辨率孪生网络的单目标追踪算法 被引量：3
15
作者 周春月 颜巧 《北京交通大学学报》 CAS CSCD 北大核心 2020年第5期104-110,共7页
针对目前基于孪生网络的目标追踪算法对目标定位不精确,追踪漂移,鲁棒性不强等问题,提出一种基于高分辨率孪生网络的单目标追踪算法.该算法采用高分辨率网络(HRNet)作为特征提取网络,在充分提取图片多尺度特征的同时保留图片的细节信息... 针对目前基于孪生网络的目标追踪算法对目标定位不精确,追踪漂移,鲁棒性不强等问题,提出一种基于高分辨率孪生网络的单目标追踪算法.该算法采用高分辨率网络(HRNet)作为特征提取网络,在充分提取图片多尺度特征的同时保留图片的细节信息,然后在孪生网络部分引入"注意力机制",使用SE模块对图片特征进一步精化,突出有用特征.该算法在检测部分融入类似特征金字塔网络(Feature Pyramid Network, FPN)的思想,充分使用深层孪生网络的多尺度特征.在ILSVRC-2015和YouTuBeBB数据集上进行训练时,为了解决训练过程中正负样本和难易样本数量不平衡的问题,本算法使用focal loss作为损失函数,将模型注意力放在更难分辨的正样本上.实验结果表明:该算法在VOT2018测试集上EAO为42.4%. 展开更多
关键词 计算机视觉 目标追踪 孪生网络 深度学习 高分辨率网络
在线阅读 下载PDF
多尺度特征提取的Transformer短期风电功率预测
16
作者 徐武 范鑫豪 +1 位作者 沈智方 刘洋 《太阳能学报》 北大核心 2025年第2期640-648,共9页
针对短期风电功率预测特征提取尺度单一问题,设计一种基于多尺度特征提取的Transformer短期风电功率预测模型(MTPNet)。首先,在Transformer构架的基础上,利用维数不变嵌入,设计多尺度特征提取网络挖掘风电功率序列本身时序特征,保证了... 针对短期风电功率预测特征提取尺度单一问题,设计一种基于多尺度特征提取的Transformer短期风电功率预测模型(MTPNet)。首先,在Transformer构架的基础上,利用维数不变嵌入,设计多尺度特征提取网络挖掘风电功率序列本身时序特征,保证了特征提取时维数不被破坏;其次,利用融合自注意力机制的长短期记忆网络挖掘气象条件与功率之间的全局依赖关系;最后,融合风电功率序列本身时序特征和气象条件依赖关系,实现短期风电功率预测。实例仿真结果表明,MTPNet模型预测精度得到提升;消融实验证明了模型各模块的可靠性和有效性,具有一定的实用价值。 展开更多
关键词 风电功率预测 TRANSFORMER 注意力机制 特征提取 长短期记忆网络 维数不变嵌入层
在线阅读 下载PDF
基于深度聚合高分辨率网络的多目标跟踪 被引量：3
17
作者 张毅锋 陈曦 张嘉成 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第1期14-20,共7页
为了提高多目标跟踪性能,在单个网络中结合目标检测和重识别任务的特点,提出了一种基于深度聚合高分辨率网络的多目标跟踪算法.跟踪器通过DLA网络提取抽象的语义特征图,并将其输入到改进的轻量型HRNet网络中,以高分辨率聚合目标的多尺... 为了提高多目标跟踪性能,在单个网络中结合目标检测和重识别任务的特点,提出了一种基于深度聚合高分辨率网络的多目标跟踪算法.跟踪器通过DLA网络提取抽象的语义特征图,并将其输入到改进的轻量型HRNet网络中,以高分辨率聚合目标的多尺度特征,同时引入重识别分支提高匹配精度.经由传统的相似度计算、运动预测和数据关联阶段,完成跟踪流程.通过消融实验研究了不同融合层组合和特征维度对跟踪性能的影响,并在基准数据集上与当前跟踪器的各项性能指标进行比较.结果表明,所提算法以简洁的主干网络输出高分辨率的深层特征,兼顾了跟踪精度和执行效率.跟踪器的精度和识别率较高,且具备实时跟踪性能. 展开更多
关键词 多目标跟踪 深度聚合 高分辨率网络 实时跟踪
在线阅读 下载PDF
面向舌图像分割的高分辨率网络设计 被引量：2
18
作者 文武 杨清钧 李杰 《微电子学与计算机》 2023年第7期65-72,共8页
针对舌图像分割算法存在边缘信息损失严重、分割精度低等问题,提出一种面向舌图像分割的高分辨率网络.首先对输入图片进行处理,构建多尺度子网并行连接的结构;其次引入注意力机制构建特征提取模块,加强对全局信息的提取;然后通过多尺度... 针对舌图像分割算法存在边缘信息损失严重、分割精度低等问题,提出一种面向舌图像分割的高分辨率网络.首先对输入图片进行处理,构建多尺度子网并行连接的结构;其次引入注意力机制构建特征提取模块,加强对全局信息的提取;然后通过多尺度特征融合结构,充分融合低分辨率语义信息和高分辨率特征信息;最后通过空间金字塔池化结构进一步提取边界信息.通过在自建数据集上进行评估,相比于原始HRNet网络,所提算法平均交并比(MIOU)和像素准确率(ACC)分别提高了2.6、0.7个百分点.实验结果表明:所提算法有效提高了分割精度,减少边缘信息的损失,充分满足舌诊仪的需求. 展开更多
关键词 舌图像分割 高分辨率网络 注意力机制 深度学习
在线阅读 下载PDF
高分辨率遥感影像在土地工程监测中的应用
19
作者 楚水滔 向玉 刘欣悦 《长江信息通信》 2024年第11期46-48,共3页
传统的土地监测技术因其时效性与精确性上的局限,已逐渐不能满足现代土地工程监测的需求。随着遥感技术的迅速发展,高分辨率遥感影像因其能够提供更为细致且准确的地面信息,被广泛应用于土地工程的监测与管理中。因此,文章提出一种基于Y... 传统的土地监测技术因其时效性与精确性上的局限,已逐渐不能满足现代土地工程监测的需求。随着遥感技术的迅速发展,高分辨率遥感影像因其能够提供更为细致且准确的地面信息,被广泛应用于土地工程的监测与管理中。因此,文章提出一种基于Yolov5的遥感土地检测方法,实现了对土地关键领域的高效监测。首先,对当前高分辨率遥感技术的发展背景、技术特点及其在土地工程监测中的应用现状进行了系统梳理。其次,提出一种基于Yolov5的遥感土地检测方法,包括图像预处理、特征提取、变化检测及分类等步骤。最后,选取了不同地区土地数据,应用高分辨率遥感影像技术进行了细致的监测分析。结果表明,高分辨率遥感技术能够有效识别和监测工程建设过程中的土地利用变化,及时发现潜在的安全问题。 展开更多
关键词 高分辨率 遥感影像 土地工程 卷积神经网络 Yolov5
在线阅读 下载PDF
基于S变换与复值U-Net网络的地震资料高分辨率处理方法 被引量：8
20
作者 李子航 陈小宏 +3 位作者 李景叶 王建花 张俊杰 耿伟恒 《石油物探》 CSCD 北大核心 2023年第3期406-418,共13页
地震资料高分辨率处理方法通过拓展频带范围有效地提高了地震资料的精度。迄今为止,基于深度学习的高分辨率处理方法仅在时域中进行特征提取,忽视了地震数据的频域信息,因而影响高分辨率处理效果。为此,结合深度学习的数据驱动能力与时... 地震资料高分辨率处理方法通过拓展频带范围有效地提高了地震资料的精度。迄今为止,基于深度学习的高分辨率处理方法仅在时域中进行特征提取,忽视了地震数据的频域信息,因而影响高分辨率处理效果。为此,结合深度学习的数据驱动能力与时频分析方法的时频定位能力,提出了一种基于S变换和复值U-Net网络(STCVU-Net)的地震资料高分辨率处理方法。首先,通过褶积模型构建高分辨率与低分辨率的单道地震数据,接着,利用S变换获得不同分辨率地震数据的时频谱并将其作为训练数据,然后基于构建的STCVU-Net对时频谱进行训练和测试,最后,使用迁移学习方法对已训练的网络进行微调并应用于实际数据的处理。STCVU-Net方法充分考虑了地震数据的时域与频域信息,在准确得到地震数据时频谱的同时在时频域中对地震信号进行精准拓频,从而提高了地震资料的分辨率。对比时域端到端的深度学习方法在模型资料和实际工区资料的高分辨率处理结果表明,STCVU-Net方法的高分辨率处理结果更准确,高频信息更丰富,具有较大的实际应用潜力。 展开更多
关键词 深度学习 复值神经网络 高分辨率处理 S变换 迁移学习
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 56 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部