针对高光谱遥感图像复杂农作物分类问题,提出了一种基于空谱融合和随机多图的高光谱遥感图像农作物分类方法。通过使用一种潜在特征融合和最优聚类(Latent Features Fusion and Optimal Clustering Framework,LFFOCF)的波段选择方法和...针对高光谱遥感图像复杂农作物分类问题,提出了一种基于空谱融合和随机多图的高光谱遥感图像农作物分类方法。通过使用一种潜在特征融合和最优聚类(Latent Features Fusion and Optimal Clustering Framework,LFFOCF)的波段选择方法和分段主成分分析(Segmented Principal Component Analysis,SPCA)进行光谱降维,采用多尺度二维奇异谱分析(2-D-Singular Spectrum Analysis,2-D-SSA)应用于降维图像,以提取不同尺度的空间特征。将多尺度空间特征与主成分分析(Principal Component Analysis,PCA)得到的全局光谱特征融合送到随机多图(Random Multi-Graphs,RMG)中进行分类。在印度松树、萨利纳斯和龙口数据集上,所提出的方法与一些现有的方法进行了对比实验。实验结果表明,该方法的类别精度(Class Accuracy,CA)、总体分类精度(Overall Accuracy,OA)、平均分类精度(Average Accuracy,AA)和Kappa系数优于这些方法。展开更多
随着科技的发展,传统钢琴教学面临着评分不够客观、反馈不及时等问题。结合当今深度学习的发展现状设计一款高移植性的设备,通过树莓派集成乐谱转录和音乐表现评分功能,为教师提供客观准确的评分结果。采用端到端方法,提出一种基于无分...随着科技的发展,传统钢琴教学面临着评分不够客观、反馈不及时等问题。结合当今深度学习的发展现状设计一款高移植性的设备,通过树莓派集成乐谱转录和音乐表现评分功能,为教师提供客观准确的评分结果。采用端到端方法,提出一种基于无分割整页乐谱图像识别的光学乐谱识别(Optical Music Recognition, OMR)转录系统。通过加入R_Staff_Net模块、AMFFM模块和融入SE注意力模块对特征提取网络的改进,使其转录精度可达84.29%;将乐谱转录模型部署到树莓派中以增加系统的可移植性,将树莓派录音的用户音频和乐谱转录生成的MIDI原曲音频进行对比,同时设计虚拟钢琴进行实时演奏以判断学生演奏的问题,根据对比后出错的数量实现自动评分功能;系统将显示演奏中的错误并通过短信通知学生。为教师辅导学生弹奏钢琴提供了新的教学方法。展开更多
文摘随着科技的发展,传统钢琴教学面临着评分不够客观、反馈不及时等问题。结合当今深度学习的发展现状设计一款高移植性的设备,通过树莓派集成乐谱转录和音乐表现评分功能,为教师提供客观准确的评分结果。采用端到端方法,提出一种基于无分割整页乐谱图像识别的光学乐谱识别(Optical Music Recognition, OMR)转录系统。通过加入R_Staff_Net模块、AMFFM模块和融入SE注意力模块对特征提取网络的改进,使其转录精度可达84.29%;将乐谱转录模型部署到树莓派中以增加系统的可移植性,将树莓派录音的用户音频和乐谱转录生成的MIDI原曲音频进行对比,同时设计虚拟钢琴进行实时演奏以判断学生演奏的问题,根据对比后出错的数量实现自动评分功能;系统将显示演奏中的错误并通过短信通知学生。为教师辅导学生弹奏钢琴提供了新的教学方法。
