期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于GRU-Segformer模型的东北地区农作物智能化分类研究
1
作者 钟云飞 钟易辰 +1 位作者 刘建祥 张乃祥 《江西农业》 2025年第7期90-92,共3页
东北地区作为我国重要粮仓,其粮食作物覆盖类型的空间分布特征对于调整供需、制定种植策略具有重要参考价值。机器学习与深度学习是目前遥感影像智能化分类的两种主要方法。其中,深度学习需要大量的标注数据,这使得数据获取成本高昂。... 东北地区作为我国重要粮仓,其粮食作物覆盖类型的空间分布特征对于调整供需、制定种植策略具有重要参考价值。机器学习与深度学习是目前遥感影像智能化分类的两种主要方法。其中,深度学习需要大量的标注数据,这使得数据获取成本高昂。技术上,单时相影像在多类分类中易引发异物同谱问题,影响最终精度。针对上述数据量和精度等方面存在的问题,提出一种融合SLIC数据增强与改进的GRUSegformer时序语义分割模型的半监督深度学习方法,用于东北地区农作物的智能化分类。研究结果表明,GRU-Segformer时序语义分割模型精度较高,辽宁省、吉林省、黑龙江省的分类精度分别为93.74%、95.12%、92.50%。该模型在有限数据量条件下,具有良好的泛化能力和鲁棒性。同时,该方法有效利用了多时相影像,降低了异物同谱比例,从而提高了分类精度。研究可为不同领域的农作物识别提供参考。 展开更多
关键词 作物分类 遥感解译 数据增强 多时相影像
在线阅读 下载PDF
基于全卷积网络的高分辨遥感影像目标检测 被引量:26
2
作者 徐逸之 姚晓婧 +2 位作者 李祥 周楠 胡媛 《测绘通报》 CSCD 北大核心 2018年第1期77-82,共6页
目标检测是遥感图像分析处理中的研究热点之一,具有十分重要的科研和应用价值。传统遥感影像目标检测方法多使用人工构造的浅层次特征,结合支持向量机、随机森林、Adaboost等分类器进行目标识别,难以充分挖掘和利用影像中的深层特征。... 目标检测是遥感图像分析处理中的研究热点之一,具有十分重要的科研和应用价值。传统遥感影像目标检测方法多使用人工构造的浅层次特征,结合支持向量机、随机森林、Adaboost等分类器进行目标识别,难以充分挖掘和利用影像中的深层特征。近年来,深度学习,特别是卷积神经网络在图像认知方面取得了巨大成功。在目标检测领域,以Faster R-CNN算法为代表的方法取得了突破性进展,检测精度大幅提高,检测速度达到了近实时的性能。但是,Faster R-CNN算法由于使用了感兴趣区域(Ro I)池化层,各个Ro I计算不共享,因此检测速度依然有待提高。R-FCN基于全卷积网络结构,同时采用位置敏感池化来引入平移变化,抵消全卷积网络造成的平移不变形问题,检测精度和效率都有了很大的提高。本文阐述了R-FCN算法原理,并运用于高分辨遥感影像目标检测分析了不同参数和网络结构对R-FCN检测效果的影响,比较了利用Fast R-CNN、Faster R-CNN和R-FCN 3种算法进行飞机识别的性能。试验结果表明,利用R-FCN进行飞机识别定位可以达到99.3%的准确率和每张图180 ms的检测速度。 展开更多
关键词 高分辨率遥感 深度学习 全卷积网络 R-FCN 飞机检测
在线阅读 下载PDF
2000—2014年东非断裂带湖泊群面积变化时间序列分析
3
作者 王铭 宋开山 马建行 《遥感信息》 CSCD 北大核心 2017年第4期83-91,共9页
针对使用单一遥感数据源对地表湖泊进行面积变化分析时难以建立完整的面积变化时间序列遥感数据库、难以获取非遥感辅助数据进行有效集成等问题,提出了对地表湖泊年际、年内面积动态变化的时间序列分析方法。建立2000—2014年湖泊面积... 针对使用单一遥感数据源对地表湖泊进行面积变化分析时难以建立完整的面积变化时间序列遥感数据库、难以获取非遥感辅助数据进行有效集成等问题,提出了对地表湖泊年际、年内面积动态变化的时间序列分析方法。建立2000—2014年湖泊面积变化及其流域内降雨、蒸散发变化的时间序列遥感数据库,在相同的时间序列下,分析了湖泊面积年际变化规律及其与降水和蒸散发等气候要素之间的关系,选取了变化较为明显的单个湖泊流域单元,全面分析其年内季节性变化规律及其与降水和蒸散发之间的关系。分析表明,在2000—2014年间,湖泊面积明显萎缩,流域内降雨量的年际变化直接导致湖泊发生相应的年际面积波动,流域内地表蒸散发的年际波动从侧面反映了湖泊群年际变化规律。 展开更多
关键词 内陆湖泊 湖泊面积 变化监测 时间序列 非洲东部断裂带
在线阅读 下载PDF
老年高血压患者脑白质病变在磁共振序列中的半定量评估 被引量:7
4
作者 马新伟 许建铭 +3 位作者 张明杰 汪益 王成 朱建兵 《中华老年心脑血管病杂志》 CAS 北大核心 2019年第12期1305-1308,共4页
目的前瞻性分析老年高血压患者脑白质病变(WML)的MRI特征。方法选择2017年4~12月在本院就诊的老年患者80例,依据2017高血压临床诊断指南,将患者分为血压正常组20例和高血压组60例,高血压组又分为血压升高组20例、高血压1级组20例、高血... 目的前瞻性分析老年高血压患者脑白质病变(WML)的MRI特征。方法选择2017年4~12月在本院就诊的老年患者80例,依据2017高血压临床诊断指南,将患者分为血压正常组20例和高血压组60例,高血压组又分为血压升高组20例、高血压1级组20例、高血压2级组20例。患者均行头颅T1WI、T2WI、液体衰减反转恢复(FLAIR)序列检查,应用Scheltens视觉评定量表评定患者脑室旁白质评分(0~6分)、深部脑白质评分(0~24分)、基底节白质区评分(0~30分)和幕下白质区评分(0~24分)等,并进行前瞻性分析。结果4组脑室旁白质枕角评分、深部脑白质额叶、顶叶、枕叶和颞叶评分比较,差异均有统计学意义(P<0.05,P<0.01),4组脑室旁白质额角和侧脑室旁评分、基底节白质区和幕下白质区各处评分比较,差异均无统计学意义(P>0.05)。4组脑室旁白质、基底节白质区和幕下白质区评分WML百分率比较,差异无统计学意义(P>0.05),血压正常组、血压升高组、高血压1级组和高血压2级组深部脑白质评分WML百分率比较,差异有统计学意义(16.0%vs 24.6%vs 42.9%vs 49.4%,P=0.001);且血压升高组较血压正常组明显升高;高血压1级组和高血压2级组较血压升高组均明显升高(P=0.01,P=0.03,P=0.02)。高血压2级组较血压正常组脑室旁白质评分WML百分率明显升高(35.0%vs 56.7%,P=0.03)。血压正常组与高血压组脑室旁白质中的枕角评分和深部脑白质评分WML百分率比较,差异有统计学意义(12.5%vs 17.8%,P=0.016;16.0%vs 39.0%,P=0.001)。结论3.0 T MRI FLAIR序列可以半定量评估高血压患者WML进展程度,可为临床提供更有针对性地干预及治疗方案。 展开更多
关键词 高血压 脑白质疏松症 磁共振成像 认知障碍
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部