-
题名基于卷积注意力模块的端到端遥感图像分类
被引量：10
- 1
-
-
作者
徐风
苗哲
业巧林
-
机构
南京林业大学计算机教学实验中心
南京林业大学信息科学技术学院
-
出处
《林业工程学报》
CSCD
北大核心
2020年第4期133-138,共6页
-
基金
国家自然科学基金(61871444)
江苏省自然科学基金(BK20171453)。
-
文摘
随着图像信息处理技术的发展,大量由各式飞行器对地观测所采集的遥感图像数据被应用于各领域实际生产生活中。传统遥感图像分类方法包含一系列复杂的处理流程,在处理效率和效果上已经难以满足当下的需求。随着人工智能相关技术的发展,基于卷积神经网络的遥感图像分类方法开始占据主导地位。为减少算法流程中的复杂处理与提高分类的精度,笔者提出一种基于卷积注意力模块的端到端遥感图像分类框架,该框架采用卷积神经网络框架ResNet101作为整个框架的主干网络。在ResNet101网络4个阶段的卷积模块之间嵌入卷积注意力模块,使得模型关注于最具有类别区分度的区域,从而得到更好的分类结果。在模型训练阶段,采用开源的深度学习开源框架Pytorch对训练数据进行在线增广处理,对训练数据进行随机角度旋转,防止训练过程中发生过拟合现象。本研究基于PatternNet与NWPU-RESISC45两个公开数据集,并仅划分少量数据用于模型训练。结果表明:相比已有的方法,本研究提出的框架能够在GPU加速的环境中,以更高的精度分类遥感图像,满足了实时处理的需求,且支持端到端对遥感图像进行分类,不需要复杂的处理流程。
-
关键词
卷积神经网络
遥感图像
卷积注意力模块
图像分类
-
Keywords
convolutional neural network
remote sensing image
convolutional block attention module
image classification
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于流体仿真的椭球型树冠抗风性能研究
被引量：2
- 2
-
-
作者
徐风
黄笑
顾一凡
云挺
薛联凤
-
机构
南京林业大学计算机教学实验中心
南京林业大学信息科学与技术学院
南京航空航天大学计算机科学与技术学院
-
出处
《林业工程学报》
CSCD
北大核心
2019年第3期125-131,共7页
-
基金
国家自然科学基金(31770591
41701510)
+1 种基金
国家重点研发计划(2017YFD0600905-1)
江苏高校优势学科建设工程资助项目(PAPD)
-
文摘
近年来,随着全球气候频繁变化,台风等极端灾害性天气发生频率加剧,森林正面临着潜在的巨大损害。台风产生的风压、风速、湍流强度施加于林木上,使得林木风倒频繁发生。因此,研究树木的抗风性能有着重要意义。使用计算机仿真数值模拟方法对流场在林分中的运动进行求取,主要方法如下:首先通过GAMBIT对三维树冠进行树木建模并进行网格划分,其次使用标准k-ε方程组对三维树冠的流场分布进行模拟。最后通过模拟计算得到不同叶面积指数对应的树冠周围压力场、风速、湍动能分布。结果表明:对于单株树,当树冠孔隙度从0.25变化到0.75,即叶面积指数从2.77变化到0.58时,冠内风速在树冠内的波动幅度从8.0 m/s下降到4.0m/s,树冠内压力的波动幅度从229.0 Pa下降到到143.5 Pa,湍流强度的波动幅度从6.03%降到3.40%;对于林冠来说,当孔隙度从0.25变化到0.75,即叶面积指数从2.77变化到0.58时,在林冠前后的风速差从17.67 m/s变化为15.89 m/s,压力差从180.38 Pa变化到117.38 Pa,湍流强度的变化幅度从4.0%变化到2.4%。由于树冠前后压差过大和树冠内风速差过大会导致树的结构遭到破坏,因此,越稀疏的林冠,抗风性能越好。
-
关键词
计算机仿真
数值计算
林木抗风性能分析
空气动力学
-
Keywords
computer simulation
numerical calculation
analysis of wind resistance of forest stands
aerodynamics
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
