检索结果-维普期刊中文期刊服务平台

基于FC-DenseNet的低空航拍光学图像树种识别被引量：8: 1; 作者林志玮涂伟豪 +3 位作者黄嘉航丁启禄周铮雯刘金福《国土资源遥感》 CSCD 北大核心 2019年第3期225-233,共9页; 使用低空遥感图像进行图像识别为森林调查和监测提供了新的技术契机。基于无人机低空航拍光学图像,以福建省安溪县崩岗区为研究区,建立FC-DenseNet模型进行树种识别。首先,利用Dense模块提取树种图像特征并增强深层网络信息,透过下采样... 展开更多; 关键词 FC-DenseNet 光学图像树种识别无人机深度神经网络; 在线阅读下载PDF 职称材料

基于尾长算法的戴云山保护区优化设计被引量：2: 2; 作者丁启禄林志玮 +4 位作者刘金福涂伟豪黄嘉航兰思仁洪伟《林业科学》 EI CAS CSCD 北大核心 2018年第9期125-136,共12页; 【目的】保护区规划设计是自然保护区研究的重要内容,以数学模型为工具研究保护区设计成为新趋势。集合覆盖物种模型(SCSP)和最大集合物种模型(MCSP)等传统数学模型,仅考虑以最小代价进行保护区规划及设计,未考虑保护区的空间特征,导致... 展开更多; 关键词自然保护区生态值空间特征最优解戴云山; 在线阅读下载PDF 职称材料

融合全域与局域特征的深度卷积网络鸟类种群识别被引量：6: 3; 作者林志玮丁启禄刘金福《林业科学》 EI CAS CSCD 北大核心 2020年第1期133-144,共12页; 【目的】基于鸟类影像数据,探讨全域与局域特征融合手段,结合深度卷积神经网络理论,建构鸟类种群识别模型,以期为森林与湿地的监控与治理提供新的手段。【方法】首先,依据人类识别物体从整体到局部的生理过程,采用跳跃结构实现物体整体... 展开更多; 关键词鸟类种群识别多框架深度神经网络全域与局域特征; 在线阅读下载PDF 职称材料

融合全局与随机局部特征的鸟类姿态识别模型被引量：6: 4; 作者林梦翔林志玮 +1 位作者黄秀萍洪思弟《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第4期581-591,共11页; 为了高效地进行鸟类姿态分类,提出一种基于全局与随机局部特征融合的鸟类姿态识别模型.首先利用融合多分辨率的网络提取鸟类姿态全局特征;然后于网络中浅层与深层的高分辨率特征引入随机定位模块,即根据随机抽取的特征图求取最大值位置... 展开更多; 关键词鸟类姿态识别卷积神经网络随机定位特征融合全局特征局部特征; 在线阅读下载PDF 职称材料

题名基于FC-DenseNet的低空航拍光学图像树种识别被引量：8: 1; 作者林志玮涂伟豪黄嘉航丁启禄周铮雯刘金福; 机构福建农林大学计算机与信息学院福建农林大学林学院福建农林大学林学博士后流动站福建省高校生态与资源统计重点实验室; 出处《国土资源遥感》 CSCD 北大核心 2019年第3期225-233,共9页; 基金中国博士后科学基金面上项目“基于DNN与植被特征关系的无人机图像解译植被信息研究”(编号:2018M632565) 海峡博士后交流资助计划项目“基于深度学习的智能湿地覆盖变化监测技术研究” 福建省自然科学基金项目“基于生物多样性的湿地保护区土地使用分区规划设计研究——以泉州湾河口湿地自然保护区为例”(编号:2016J01718)共同资助; 文摘使用低空遥感图像进行图像识别为森林调查和监测提供了新的技术契机。基于无人机低空航拍光学图像,以福建省安溪县崩岗区为研究区,建立FC-DenseNet模型进行树种识别。首先,利用Dense模块提取树种图像特征并增强深层网络信息,透过下采样模块降低图像维度,凸显图像的纹理特征和光谱特征;然后,使用上采样模块还原预测图至原始图像大小,并融合浅层Dense模块信息的丰富特征;最后,采用Softmax分类器实现像素分类,完成树种识别。结果显示,基于低空航拍光学图像,FC-DenseNet模型能够准确区分植被与非植被,定位其空间分布特征,其中,FC-DenseNet-103模型的二分类识别精度为92.1%,表明FC-DenseNet模型加深网络深度后具有较好的识别效果;将植被与非植被细分为13类,FC-DenseNet-103模型的平均识别正确率达到75.67%。研究结果表明,基于低空航拍光学图像建立的FC-DenseNet模型具有较高的树种分类精度。由于低空航拍光学图像的成本较低,数据获取费用小,时间周期短,可便于森林资源调查和森林树种检测,为深度学习在树种识别领域的应用提供了新思路。; 关键词 FC-DenseNet 光学图像树种识别无人机深度神经网络; Keywords FC-DenseNet optical image tree species recognition unmanned aerial vehicle deep neural network; 分类号 X835 [环境科学与工程—环境工程] TP79 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于尾长算法的戴云山保护区优化设计被引量：2: 2; 作者丁启禄林志玮刘金福涂伟豪黄嘉航兰思仁洪伟; 机构福建农林大学计算机与信息学院福建农林大学林学院福建农林大学林学博士后流动站福州福建农林大学海峡自然保护区研究中心福建省高校生态与资源统计重点实验室; 出处《林业科学》 EI CAS CSCD 北大核心 2018年第9期125-136,共12页; 基金福建省科技厅引导性项目(2015Y0042) 福建省自然科学基金项目(2016J01718) +1 种基金海峡博士后交流资助计划。; 文摘【目的】保护区规划设计是自然保护区研究的重要内容,以数学模型为工具研究保护区设计成为新趋势。集合覆盖物种模型(SCSP)和最大集合物种模型(MCSP)等传统数学模型,仅考虑以最小代价进行保护区规划及设计,未考虑保护区的空间特征,导致选择的保护区区域过于分散,且仅考虑土地市场价格,不能完全体现保护区生态价值。本研究以生态值为衡量指标,结合连续性和紧实性的空间特征,构建有效合理的保护区规划模型,以期为自然保护区建立提供科学依据。【方法】以福建省戴云山国家级自然保护区为例,将戴云山区域划分为567个规则地块,每个地块面积为2 km×2 km,且任意地块都包含若干个小班。依据生态值赋分标准和重心算法,先后计算戴云山小班和其所属地块生态值。结合特殊空间特征与生态值,构建基于尾长法的空间集合覆盖模型(SSCP),并探讨不同紧实性权重和物种保护比例组合对保护区规划结果的影响。最后,以传统SCSP模型、系统保护规划工具Marxan模型和Zonation模型的规划结果为对照组,验证SSCP模型的有效性。【结果】从空间分布来看,用SCSP模型、Marxan模型和Zonation模型求解的保护区设计结果表现为地块分布离散,破碎度高,SSCP模型的设计结果表现出更好的连续性和紧实性;从选地数量来看,SSCP模型的选地数量与物种保护比例及紧实性权重正相关,即物种保护比例上升,或紧实性权重增大,选中的地块数增加。【结论】研究设计了新型保护区数学规划模型——SSCP模型,并以戴云山自然保护区为例验证了算法的合理性,提出规划建议:向其西北方向和东南方向扩展,其中西北方向纵向扩展6 km,横向扩展18 km,东南方向纵向扩展9 km,横向扩展8 km。本研究方法的提出为我国保护区规划设计理论与实践提供新思路。; 关键词自然保护区生态值空间特征最优解戴云山; Keywords nature reserve ecological value spatial characteristics optimal solution Daiyun Mountain; 分类号 S759.9 [农业科学—森林经理学]; 在线阅读下载PDF 职称材料

题名融合全域与局域特征的深度卷积网络鸟类种群识别被引量：6: 3; 作者林志玮丁启禄刘金福; 机构福建农林大学计算机与信息学院福建农林大学林学院福建农林大学林学博士后流动站福建省高校生态与资源统计重点实验室福建农林大学海峡自然保护区研究中心中国人民银行福州中心支行; 出处《林业科学》 EI CAS CSCD 北大核心 2020年第1期133-144,共12页; 基金教育部人文社会科学研究项目(18YJCZH093) 福建省林业科学研究项目(KH1701390) +1 种基金海峡博士后交流资助计划中国博士后科学基金面上项目(2018M632565); 文摘【目的】基于鸟类影像数据,探讨全域与局域特征融合手段,结合深度卷积神经网络理论,建构鸟类种群识别模型,以期为森林与湿地的监控与治理提供新的手段。【方法】首先,依据人类识别物体从整体到局部的生理过程,采用跳跃结构实现物体整体信息与局部信息的交互,该模型主要采用2个模型框架提取鸟类的全域和局域部件特征,并采用跳跃结构,提出融合模块(Fusion block)结构进行特征融合,将全局特征信息传递至局部特征抽取模块。该模型训练阶段需提供鸟类局部的部位标注信息,而测试阶段采用Faster R-CNN模型自动提取其鸟类局部标注信息。其次,探讨不同鸟类局部影像信息对模型的影响,最后,通过对比不同网络分类模型和鸟类数据集,验证模型的有效性和适用性。【结果】该鸟类种群分类模型具有较高的分类精度,总体分类精度达90%以上;对于不同的鸟类局部影像信息,其分类精度表现出一定的差异性,其中基于鸟类头部局部影像的网络分类模型总体分类精度最高;Faster R-CNN模型对鸟类局部影像定位精度较高,测试阶段采用人工标注的局部影像标签和Faster R-CNN模型预测的局部影像标签对模型的总体分类精度差异小;对比Inception-V1、Res Net-101、Dense Net-121以及Bilinear CNN等网络分类模型总体分类精度,该模型总体分类精相对较高,具有一定的有效性;对比使用NABirds鸟类数据集的分类效果,该模型总体分类表现较好,具有一定的适用性。【结论】该鸟类种群分类模型具有较好的识别效果以及有效性,可为森林与湿地的监控和治理提供合理有效的依据。; 关键词鸟类种群识别多框架深度神经网络全域与局域特征; Keywords bird identification deep convolutional neural network global and local components; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] S718.63 [农业科学—林学]; 在线阅读下载PDF 职称材料

题名融合全局与随机局部特征的鸟类姿态识别模型被引量：6: 4; 作者林梦翔林志玮黄秀萍洪思弟; 机构福建农林大学计算机与信息学院福建农林大学林学院福建农林大学林学博士后流动站生态与资源统计福建省高校重点实验室海峡自然保护区研究中心莆田学院新工科产业学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第4期581-591,共11页; 基金教育部人文社会科学研究项目(18YJCZH093) 海峡博士后交流资助计划中国博士后科学基金面上项目(2018M632565)。; 文摘为了高效地进行鸟类姿态分类,提出一种基于全局与随机局部特征融合的鸟类姿态识别模型.首先利用融合多分辨率的网络提取鸟类姿态全局特征;然后于网络中浅层与深层的高分辨率特征引入随机定位模块,即根据随机抽取的特征图求取最大值位置,形成包围盒裁剪原图;再将裁剪的局部图片送入子分类网络提取鸟类姿态局部特征;最后将全局和随机局部特征进行融合,并采用融合全局损失和局部损失的多损失策略进行网络调整,构建一种融合全局与随机局部特征的鸟类姿态识别模型.对CUB200-2011中存在完整单种姿态的鸟类图片进行整理汇总得到包含蹲伏、飞翔、游水和站立4种姿态的鸟类姿态数据集,基于该数据集进行实验的结果表明,所提模型的分类精度优于主流卷积神经网络框架,达到96.1%;对随机定位模块及其内部是否随机、分组情况和多损失策略等进行消融实验的结果表明,引入随机定位模块和多损失策略能够提高识别正确率,证明了随机定位模块和多损失策略的有效性.; 关键词鸟类姿态识别卷积神经网络随机定位特征融合全局特征局部特征; Keywords bird postures recognition convolutional neural network random localization feature fusion global feature local feature; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] S718.63 [农业科学—林学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于FC-DenseNet的低空航拍光学图像树种识别	林志玮涂伟豪黄嘉航丁启禄周铮雯刘金福	《国土资源遥感》 CSCD 北大核心	2019	8	在线阅读下载PDF 职称材料
2	基于尾长算法的戴云山保护区优化设计	丁启禄林志玮刘金福涂伟豪黄嘉航兰思仁洪伟	《林业科学》 EI CAS CSCD 北大核心	2018	2	在线阅读下载PDF 职称材料
3	融合全域与局域特征的深度卷积网络鸟类种群识别	林志玮丁启禄刘金福	《林业科学》 EI CAS CSCD 北大核心	2020	6	在线阅读下载PDF 职称材料
4	融合全局与随机局部特征的鸟类姿态识别模型	林梦翔林志玮黄秀萍洪思弟	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料