期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于多源信息与深度学习特征提取的人口空间抽样方法 被引量:2
1
作者 淳锦 张新长 +2 位作者 郭海京 张建国 金诗程 《测绘通报》 CSCD 北大核心 2021年第8期42-47,共6页
人口抽样调查是通过人口样本估算区域人口总体的一种手段。由于人口分布通常具有空间差异性,传统的抽样调查理论难以满足日益增长的空间抽样需求,合理高效的人口空间抽样调查方法对于人口统计、研究人类活动、解决城市问题等有重要意义... 人口抽样调查是通过人口样本估算区域人口总体的一种手段。由于人口分布通常具有空间差异性,传统的抽样调查理论难以满足日益增长的空间抽样需求,合理高效的人口空间抽样调查方法对于人口统计、研究人类活动、解决城市问题等有重要意义。本文提出一种基于多源信息与深度学习特征提取的人口空间抽样方法。在不透水面信息的辅助下,利用四叉树分割进行分层抽样,初步选择出可能存在人口分布的调查样本,并通过深度学习的常用模型——卷积神经网络估算样本建筑物密度,以辅助最终调查样本的选择与调查方案的制定。研究结果证明,该方法能够有效地筛选与人口分布密切相关的抽样区域,排除大量的无用样本,提高了人口调查的效率,节约了大量调查成本。 展开更多
关键词 多源信息 人口抽样 四叉树 深度学习 特征提取
在线阅读 下载PDF
融合多特征改进型PSPNet模型应用于复杂场景下的建筑物提取 被引量:18
2
作者 武花 张新长 +4 位作者 孙颖 蔡伟男 颜军 邓剑文 张建国 《测绘通报》 CSCD 北大核心 2021年第6期21-27,共7页
针对复杂场景下高分辨率遥感影像中建筑物提取精度低的问题,本文提出了一种融合多特征改进型PSPNet模型,在PSPNet网络的基础上,加入膨胀卷积模块并融合图像的浅层特征。试验结果表明,融合多特征改进型PSPNet模型的预测结果总体精度为95.... 针对复杂场景下高分辨率遥感影像中建筑物提取精度低的问题,本文提出了一种融合多特征改进型PSPNet模型,在PSPNet网络的基础上,加入膨胀卷积模块并融合图像的浅层特征。试验结果表明,融合多特征改进型PSPNet模型的预测结果总体精度为95.90%,建筑物提取精度平均为77.77%,均高于其他模型。其在不同场景上的表现有所差异:复杂场景1的预测精度为80.35%;以城中村建筑物为主的场景2的预测精度为75%;以高层建筑物为主的场景3的预测精度为78.11%。因此本模型可有效地提升高分辨率遥感影像中复杂场景下的建筑物提取精度。 展开更多
关键词 语义分割 建筑物提取 PSPNet 膨胀卷积 金字塔池化模块
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部