- 博客(21)
- 收藏
- 关注
RSS订阅原创 A Span-level Bidirectional Network for Aspect Sentiment Triplet Extraction
面向方面情感三联体提取的跨级双向网络
2023-04-03 19:08:12
146
原创 论文笔记（十三）AU-Net：黄河中下游水体精准提取的深度学习网络（sci)
为了解决这些问题并获得更准确的结果，提出了AU-Net网络来扩展卷积核的感受野并纳入多尺度特征的详细信息，从而提高了提取中下游特征的能力。
2022-12-23 08:54:26
382
1
原创 （重点看）论文笔记（十二）：基于深度学习的高分卫星数据水体提取研究
本研究将遥感影像光谱特征融入到深度学习卷积神经网络(convolutional neural netw ork，CNN)的算法中，提出适用于高分一号卫星数据水体提取的卷积神经网络。
2022-12-20 17:48:02
363
1
原创 论文笔记（十一）：基于深度学习的多源遥感水体信息提取方法及应用研究
通过构建了适应遥感影像水体提取的编码-解码全卷积神经网络，实现水体提取的全自动化，并通过引入DenseNet神经网络的密集连接结构(DenseBlock)，加强了网络对细节水体的敏感程度，进而提高了遥感影像水体提取精度。
2022-12-20 15:16:54
649
1
原创 论文笔记（十）：基于三种高分辨率影像样本迁移学习的城市水体提取研究（遥感技术与应用）
研究选用了 U-net 图像分割模型，针对 3 种不同空间分辨率——分别为 0.5 m、0.8 m 和 2 m 的影像进行样本迁移学习。
2022-12-20 14:19:27
245
1
原创 论文笔记（九）：基于Sentinel-1数据的双鸭山市水体信息提取
合成孔径雷达在水体提取方面具有得天独厚的优势。 本文基于 Sentinel-1 数据,通过 SDWI 和面向对象方法对双鸭山市进行了水体提取,同时通过 DEM 地形建模去除了山体阴影对水体提取的影响,提高了水体提取精度。 结果表明,面向对象的水体提取精度和效果优于 SDWI 方法,受山体阴影的影响也更小。
2022-12-20 14:03:30
304
原创 论文笔记（八）：基于深度学习的高分遥感影像水体提取模型研究（地理与地理信息科学）
从高分辨率卫星遥感影像中提取水体对于水体监测和管理具有重要意义，而阴影和建筑物的干扰制约了水 体提取的精度。该文分别利用卷积神经网络和Ｄｅｅｐｌａｂｖ３语义分割神经网络，开展了高分辨率卫星遥感数据水体 提取研究，探讨深度学习在水体提取中的应用能力
2022-12-20 12:01:03
1337
1
原创 论文笔记（七）：改进U-Net模型的遥感影像水体提取研究（测绘科学）
针对传统遥感水体提取方法在大范围、高分辨率遥感影像水体提取任务中效率低等问题,该文提出了一种基于改进 U-Net模型的遥感影像水体快速提取方法。通过减少以 VGG16为特征提取网络的下采样层和相对应的上 采样层来精简网络,提升模型运行效率。基于高分影像进行了沈阳市的水体提取研究,结果表明,改进 U-Net模型 各项精度指标均高于 U-Net模型,交并比(IoU)和F1分别达到了90.3%和94.9%。与此同时,模型的训练时长和预测时长分别缩短了25.8%和21.6%。该文为遥感影像中水体的高效提取和分
2022-12-20 10:56:04
371
1
原创 论文笔记（六）HA-Net：一种基于混合尺度注意力和迁移学习的湖泊水体提取网络（CVPR）
在本文中，提出了双分支编码器，它是一种多尺度结构，结合了 ResNet-34 的特征和特征金字塔网络。其次，使用混合尺度注意力块将自适应权重分配给全局信息。最后，使用PixelShuffle恢复特征图的分辨率，并使用密集连接的块来细化湖泊水体的边界。
2022-12-19 17:38:43
312
1
原创 论文笔记（五）FWENet：基于SAR图像的洪水水体提取深度卷积神经网络（CVPR）
本研究利用Sentinel-1 SAR图像作为数据源，提出了一种名为洪水体提取的新模型用于洪水信息提取的卷积神经网络（FWENet）
2022-11-28 19:43:55
7136
4
原创 论文笔记（四）：影像图中水体识别与提取技术研究综述
基于合成孔径图像与光 学图像，总结影像图识别算法通用性与匹配校准，对高精度全自动化影像信息提取算法进行 了展望。
2022-11-18 11:27:07
4029
1
转载 论文笔记（二）：基于卷积神经网络的高分辨率遥感图像上的水体识别技术
本文针对高分二号卫星多光谱遥感数据，利用卷积神经网络的模型，突破传统基于阈值或机器学习的方法，实现了遥感图像的水体识别。
2022-11-16 17:46:05
1406
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人