【摘 要】
：
提出了一种基于金字塔场景解析网络(pyramid scene parsing net,PSP Net)的深度学习算法。以湖北省遥感影像为实验数据,借助PSP Net的上下文场景解析能力,研究湖北省30 m分辨率的土地覆盖。实验使用了湖北省Landsat卫星影像中507景900×600像素的标准分幅影像,通过预处理生成了适用于深度学习的样本集。选择其中300景为样本,包括训练集240个、预测集44个
【机 构】
：
河南理工大学测绘与国土信息工程学院,河南焦作,454003;中国科学院遥感与数字地球研究所,北京,100094
论文部分内容阅读
提出了一种基于金字塔场景解析网络(pyramid scene parsing net,PSP Net)的深度学习算法。以湖北省遥感影像为实验数据,借助PSP Net的上下文场景解析能力,研究湖北省30 m分辨率的土地覆盖。实验使用了湖北省Landsat卫星影像中507景900×600像素的标准分幅影像,通过预处理生成了适用于深度学习的样本集。选择其中300景为样本,包括训练集240个、预测集44个和验证集16个。使用快速特征嵌入卷积结构(convolutional architecture for
其他文献
不稳定进近是在飞机下降阶段威胁飞行安全的重要风险之一,受气象、地形要素等空间异质性较强的因素的影响。利用中国民航业快速存取记录器(quick access recorder,QAR)大数据提取空中客车系列飞机和波音系列飞机在2018年1月发生的不稳定进近事件,利用不同探索性数据分析方法对机场发生不稳定进近事件触发频率的时空分布特征进行初步分析并探索其潜在诱因要素。此外,利用皮尔逊相关系数从全局尺度
传感器和物联网技术的广泛使用催生了大量流数据。面对海量、连续且实时到达的流数据,其存储、查询以及后续大量数据的连续使用和分析是迫切需要解决的问题,而流数据压缩是其中一个有效方法。设计了一种数据概要算法,贪心的哈尔小波概要(greedy-Haar-synopses,GH-Synopses),对流数据进行有效的压缩。首先,设计了一种可以实时处理连续数据的概要数据结构;然后,在Haar小波变换的基础上用
如何提升网络模型对时域信息的理解能力,是基于3D卷积神经网络视频行人动作分类方法需要解决的问题之一。提出一种主导层优化模块,在网络训练过程中,利用当前时域动态信息学习能力最强的卷积层作为主导层来引导网络权重参数的更新,使各卷积层对动态信息的学习能力逐渐增强,从而改进卷积神经网络模型对时域动态信息的理解能力。仿真结果显示,添加主导层优化模块后的ResNeXt-50网络与ResNeXt-101网络在U
海洋重力测量是海洋地区获取高精度、高分辨率地球重力场信息的重要技术方法。研究了波罗的海地区海洋重力测量数据的处理方法,利用测线交叉点处重力测量观测值建立的漂移函数有效减小了重力仪漂移异常的影响,其测量精度达到了0.5 mGal。2017年,海空重力仪Chekan-AM更新以后,其测量稳定性有了显著提高。数据处理结果表明,搭载在常规科考船DENEB的海洋重力测量精度为0.2 mGal,而首次搭载在渡
甚长基线干涉测量(very long baseline interferometry, VLBI)台站钟差的补偿误差将导致VLBI时延观测量参考历元的偏离,进而对世界时(universal time,UT1)的准确估计产生影响。台站钟差包含格式器钟差和设备时延,设备时延是影响钟差补偿精准度的关键因素。上海佘山VLBI站是全球测地参考框架的基准站,有必要评估该站的钟差补偿精准度。利用该站2002—2
随着城市三维场景应用日益增多,海量的三维建筑模型数据给计算机的存储、显示、传输和实时渲染带来了巨大压力,在保证Web 3D展示质量的前提下,有条件地对三维模型进行适度简化,降低复杂模型计算复杂度的有效途径。针对三维建筑模型简化至低分辨率时模型表面细节特征丢失、网格质量降低导致的视觉退化等问题,提出了一种顾及角度误差的三维建筑网格模型边折叠简化算法。该算法在选取收缩边时加入了顶点约束条件,并对生成新
为了研究波型法兰节点的抗震性能,首先阐述了基于结构抗震性能化的抗震设计方法以及采用滞回曲线衡量法兰节点耗能的思路;然后,通过有限元模拟的方法分别对普通平焊带颈法兰和新型波型法兰节点施加低周反复水平荷载,进行动力荷载的受力分析;最后,通过分析比较得出,新型波型法兰节点具有更好的抗震性能.
随着城镇化进程的加快与城市人口的迅速膨胀,街道尺度的人口数据在城市经济、社会、资源与环境发展等方面都发挥着愈发重要的作用。研究如何利用高分辨率遥感影像进行城市街道尺度上的人口估算,对促进城市可持续发展具有十分重要的理论意义与实际价值。利用遥感影像建筑物信息与人口普查数据,分析街道建筑物信息与人口数量之间的关联性,提出基于建筑物信息的城市街道尺度人口估算模型,通过多元逐步回归法与赤池信息准则确定建筑
针对传统规则化知识的栅格数字高程模型(digital elevation model, DEM)微地形分类方法自动化程度低、分类不完全等缺陷,构建了一种适用于栅格DEM微地形自动分类的卷积神经网络(convolutional neural network, CNN)模型。借助该模型具有自动深入学习样本数据和挖掘隐含分类信息的优势,提出了栅格DEM微地形分类的卷积神经网络方法并创建了其自动化实现流程
针对传统灰色模型(grey model,GM)的拟合序列不能反映出建模数据序列级比动态变化这一问题,提出以建模序列的级比序列为对象,建立了能够反映出建模序列级比变化趋势的离散灰色模型(discrect grey model,DGM),给出了该方法应用于卫星钟差预报的具体步骤。首先,对建模钟差序列生成对应的级比序列;然后,用DGM对级比序列建模并进行预报;最后,结合级比与钟差序列之间的关系,将级比预