排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
当前,深度学习技术与传统的面向对象技术相结合的分类方法已经较好地应用于高分辨率遥感影像的分类任务当中,但是仍存在如下问题:高分辨遥感影像地物目标复杂,依靠单一数据源进行分割效果不佳;标准的卷积神经网络只能接受固定尺寸大小的输入,分割对象在拉伸变形至固定尺寸的过程中会造成信息的损失.该文首先结合DSM数据进行协同分割,获得更佳的分割结果;然后将空间金字塔池化层(Spatial Pyramid Pooling,SPP)引入卷积神经网络中,构建了一种能接受任意尺寸输入的深度学习面向对象分类模型,从而令分割对象的特征表达更完整,以提高影像分类精度.实验结果表明:引入空间金字塔池化层的高分辨率遥感影像深度学习分类方法,可有效提高影像分类精度,进而得到更加真实可靠的分类结果. 相似文献
2.
高海拔区域光伏电厂建设的过程中,地形图是规划设计及工程量计算所必需的基础资料,快速获取良好现势性的地形图,决定了工程的顺利实施。结合亲身工作实际,利用Nova MS50,针对某大型光伏电厂进行了测图实践,并进行了精度与作业效率分析,验证了其在工程实例应用中的可行性,对测绘单位进行特定条件下高海拔山区测量有一定的借鉴意义。 相似文献
3.
4.
5.
水下地形图是火电厂规划、设计和施工非常重要的基础资料。在电厂施工过程中,需要根据水下地形图计算水文、水工专业各类数据参数,获取良好现势性的水下地形图,决定工程的顺利实施。阐述GPS和测深仪组合系统的基本原理、误差精度,作者结合亲身工作实际,利用中海达HD-370型数字测深仪在电厂水下地形测量中的应用,验证了该方法在实际工程应用中的可行性,对今后的水下地形测量有一定的借鉴性。 相似文献
6.
7.
1