期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
顾及样本优化选择的机器学习云检测研究
1
作者
张辉
周仿荣
+4 位作者
徐真
文刚
马御棠
韩旭
吴磊
《航天返回与遥感》
CSCD
北大核心
2024年第1期161-173,共13页
针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异,导致传统阈值算法对云识别精度不高的问题,文章提出了一种顾及样本优化选择,耦合物理阈值方法和机器学习的云检测算法模型,利用“葵花8号”卫星(Himawari-8)数据...
针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异,导致传统阈值算法对云识别精度不高的问题,文章提出了一种顾及样本优化选择,耦合物理阈值方法和机器学习的云检测算法模型,利用“葵花8号”卫星(Himawari-8)数据进行日间云检测。通过样本优化选择,使样本中尽可能包括不同情形下的云特征,为机器学习模型提供良好的样本基础,增加模型泛化能力;同时输入特征除了考虑反照率、亮温、亮温差以及天顶角等因素外,还加入了基于反照率和亮温差的物理阈值方法云识别结果;最后基于极限随机树模型进行云检测。结果表明:模型云检测交叉验证精度为96.41%,总漏检率和总虚检率分别为2.08%和0.91%;通过云-气溶胶激光雷达与红外探路者卫星观测(CALIPSO)产品数据进行对比分析,结果显示云检测总体精度为97.1%。
展开更多
关键词
样本优化
极限随机树
机器学习
云检测
航天遥感
在线阅读
下载PDF
职称材料
基于改进DeepLabV3+的云南省光伏板识别方法
2
作者
徐真
周仿荣
+4 位作者
高振宇
文刚
马御棠
朱鹏航
吴磊
《东华大学学报(自然科学版)》
2025年第2期215-221,共7页
光伏板提取是山火遥感监测虚警库建设的重要部分,对于避免山火遥感监测误报、提升山火遥感监测运行效率等具有重要意义。云南省地处云贵高原,地表环境较为复杂,采用遥感技术提取光伏板面临较大挑战。为克服光伏板样本不均衡等难点,将Res...
光伏板提取是山火遥感监测虚警库建设的重要部分,对于避免山火遥感监测误报、提升山火遥感监测运行效率等具有重要意义。云南省地处云贵高原,地表环境较为复杂,采用遥感技术提取光伏板面临较大挑战。为克服光伏板样本不均衡等难点,将ResNet-50残差网络作为DeepLabV3+语义分割模型的骨干网络,在空洞空间金字塔池化(ASPP)模块后融入注意力机制以更有效地聚合特征的多尺度上下文信息。构建云南省光伏板提取模型,并进行精度评价。结果显示,利用改进的DeepLabV3+模型进行光伏板提取的精准率达97.95%,召回率达95.84%,交并比达93.73%,在各模型中表现最佳,能实现高精度的光伏板提取,利用该模型提取云南省光伏板面积共40.149 km^(2)。
展开更多
关键词
DeepLabV3+
光伏板
语义分割
深度学习
在线阅读
下载PDF
职称材料
题名
顾及样本优化选择的机器学习云检测研究
1
作者
张辉
周仿荣
徐真
文刚
马御棠
韩旭
吴磊
机构
云南电网
有限
责任
公司
南方电网
公司
云南电网电力科学研究院电力
遥感技术
联合实验室
苏州深蓝空间遥感技术有限公司
出处
《航天返回与遥感》
CSCD
北大核心
2024年第1期161-173,共13页
基金
云南省重大科技专项(202202AD080010)。
文摘
针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异,导致传统阈值算法对云识别精度不高的问题,文章提出了一种顾及样本优化选择,耦合物理阈值方法和机器学习的云检测算法模型,利用“葵花8号”卫星(Himawari-8)数据进行日间云检测。通过样本优化选择,使样本中尽可能包括不同情形下的云特征,为机器学习模型提供良好的样本基础,增加模型泛化能力;同时输入特征除了考虑反照率、亮温、亮温差以及天顶角等因素外,还加入了基于反照率和亮温差的物理阈值方法云识别结果;最后基于极限随机树模型进行云检测。结果表明:模型云检测交叉验证精度为96.41%,总漏检率和总虚检率分别为2.08%和0.91%;通过云-气溶胶激光雷达与红外探路者卫星观测(CALIPSO)产品数据进行对比分析,结果显示云检测总体精度为97.1%。
关键词
样本优化
极限随机树
机器学习
云检测
航天遥感
Keywords
sample optimization
extremely randomized trees
machine learning
cloud detection
space remote sensing
分类号
P237 [天文地球—摄影测量与遥感]
在线阅读
下载PDF
职称材料
题名
基于改进DeepLabV3+的云南省光伏板识别方法
2
作者
徐真
周仿荣
高振宇
文刚
马御棠
朱鹏航
吴磊
机构
云南电网
有限
责任
公司
出处
《东华大学学报(自然科学版)》
2025年第2期215-221,共7页
基金
云南省重大科技专项(202202AD080010)。
文摘
光伏板提取是山火遥感监测虚警库建设的重要部分,对于避免山火遥感监测误报、提升山火遥感监测运行效率等具有重要意义。云南省地处云贵高原,地表环境较为复杂,采用遥感技术提取光伏板面临较大挑战。为克服光伏板样本不均衡等难点,将ResNet-50残差网络作为DeepLabV3+语义分割模型的骨干网络,在空洞空间金字塔池化(ASPP)模块后融入注意力机制以更有效地聚合特征的多尺度上下文信息。构建云南省光伏板提取模型,并进行精度评价。结果显示,利用改进的DeepLabV3+模型进行光伏板提取的精准率达97.95%,召回率达95.84%,交并比达93.73%,在各模型中表现最佳,能实现高精度的光伏板提取,利用该模型提取云南省光伏板面积共40.149 km^(2)。
关键词
DeepLabV3+
光伏板
语义分割
深度学习
Keywords
DeepLabV3+
photovoltaic panel
semantic segmentation
deep learning
分类号
P237 [天文地球]
TP391.4 [天文地球—摄影测量与遥感]
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
顾及样本优化选择的机器学习云检测研究
张辉
周仿荣
徐真
文刚
马御棠
韩旭
吴磊
《航天返回与遥感》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于改进DeepLabV3+的云南省光伏板识别方法
徐真
周仿荣
高振宇
文刚
马御棠
朱鹏航
吴磊
《东华大学学报(自然科学版)》
2025
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
