基于CNN模型的高分辨率遥感图像目标识别

遥感图像目标识别作为当前遥感图像应用领域中的主要研究内容,具有重要的理论意义和广泛的应用价值。近年来,深度学习成为机器学习领域的一个新兴研究方向,卷积神经网络(convolutional neural networks,CNN)是一种得到广泛研究与应用的深度学习模型。提出一种基于CNN模型的光学遥感图像目标识别方法,在传统LeNet-5网络结构的基础上,引入ReLU激活函数代替传统的Sigmoid函数和tanh函数,使用卷积展开技术将卷积运算转换为矩阵乘法,并对网络结构进行调整优化,提高目标识别的准确性和效率。利用Quick Bird上的0.6 m分辨率的遥感图像进行验证,实验结果表明,基于改进的CNN模型的方法可以取得较高的目标识别准确率和效率。     

结合增强实境技术的眼控装置研究

增强实境的技术已经广泛地应用到手机终端。然而,许多增强实境的应用在手机终端上效果明显有限”’。提出一种崭新的终端,能够应用增强实境的服务并且允许使用者通过佩戴一款独特设计的眼镜呈现信息,从而不用手进行操作。本设计不仅仅是一个眼镜,而且能够追踪使用者头部和眼睛的运动情况,与此同时眼镜屏幕上还会呈现其他附加信息。