- 年份
- 2024(7465)
- 2023(10657)
- 2022(9035)
- 2021(8559)
- 2020(7310)
- 2019(16523)
- 2018(16505)
- 2017(32261)
- 2016(17015)
- 2015(19068)
- 2014(18519)
- 2013(18080)
- 2012(16492)
- 2011(14717)
- 2010(14284)
- 2009(12974)
- 2008(12282)
- 2007(10737)
- 2006(9372)
- 2005(7903)
- 学科
- 济(70328)
- 经济(70252)
- 业(55262)
- 农(46128)
- 管理(45844)
- 企(34908)
- 企业(34908)
- 方法(32053)
- 农业(30540)
- 数学(28625)
- 数学方法(28233)
- 业经(20512)
- 财(17110)
- 中国(16349)
- 学(13402)
- 制(13003)
- 地方(12481)
- 贸(12201)
- 贸易(12198)
- 易(11956)
- 技术(11284)
- 务(10771)
- 财务(10729)
- 财务管理(10703)
- 发(10702)
- 策(10514)
- 企业财务(10240)
- 农业经济(10229)
- 理论(10016)
- 体(9663)
- 机构
- 学院(235593)
- 大学(232797)
- 济(96384)
- 管理(96089)
- 经济(94656)
- 理学(84333)
- 理学院(83535)
- 管理学(81986)
- 管理学院(81575)
- 研究(75186)
- 农(60489)
- 中国(57710)
- 科学(48034)
- 京(47165)
- 农业(46780)
- 业大(43946)
- 财(40752)
- 中心(37941)
- 所(37010)
- 江(34397)
- 研究所(33943)
- 财经(33137)
- 经(30532)
- 农业大学(29370)
- 范(28785)
- 经济学(28460)
- 师范(28399)
- 北京(28029)
- 经济管理(27763)
- 州(27048)
- 基金
- 项目(170110)
- 科学(134893)
- 基金(125878)
- 研究(122227)
- 家(111057)
- 国家(110116)
- 科学基金(95242)
- 社会(78798)
- 社会科(74313)
- 社会科学(74292)
- 省(67341)
- 基金项目(67265)
- 自然(63010)
- 自然科(61589)
- 自然科学(61571)
- 自然科学基金(60504)
- 划(55809)
- 教育(54914)
- 资助(50334)
- 编号(50151)
- 成果(38794)
- 部(37845)
- 重点(37802)
- 发(36760)
- 创(35942)
- 农(34586)
- 创新(33625)
- 科研(33307)
- 国家社会(33232)
- 教育部(32022)
- 期刊
- 济(102853)
- 经济(102853)
- 农(63408)
- 研究(58735)
- 中国(44724)
- 农业(43230)
- 学报(41392)
- 科学(36661)
- 大学(31849)
- 财(30818)
- 管理(30749)
- 学学(30365)
- 业经(23877)
- 融(20798)
- 金融(20798)
- 技术(20498)
- 业(20434)
- 教育(19239)
- 财经(15557)
- 问题(14870)
- 经济研究(14223)
- 版(13880)
- 图书(13800)
- 农村(13633)
- 村(13633)
- 农业经济(13526)
- 经(13302)
- 业大(12090)
- 世界(11970)
- 理论(11621)
共检索到334684条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 中国农业大学学报
[作者]
陈理 杨广 刘名洋 周宇光
为对农用地（耕地）遥感影像中道路和农田信息进行精确高效的提取，采用卷积神经网络（CNN）的方法，以河北省献县某乡冬小麦种植田为研究区，建立“道路-背景”和“农田-背景”2个高精度遥感影像数据集，构建基于MobileNet v1的U-Net、SegNet、PSPNet、DeepLab v3+和基于MobileNet v2的DeepLab v3+共5种CNN语义分割模型，进行道路和农田提取试验；在模型训练前后加入迁移学习、图像拼接和模型融合3种策略。结果表明：1）在2个数据集上，基于MobileNet v1的U-Net和基于MobileNet v1的SegNet 2种模型的识别率和稳定性最佳；2）在提取道路和农田时，融合后模型的平均交并比值分别为0.853 3和0.956 8;3）对预测图进行后处理，可以为路径规划和作物秸秆产量计算等研究提供道路拓扑图和农田预测图。
[期刊] 中南林业科技大学学报
[作者]
蒋治浩 林辉 张怀清 蒋馥根
【目的】近年来,越来越多高时间分辨率、高空间分辨率卫星相继出现,为我们的生产生活提供了很大的便利,如何利用好这些数据庞大、信息丰富的遥感影像一直以来都是国内外研究的热点问题。其中遥感影像的分类是将大量的遥感影像应用于各个领域的基础,针对传统方法对于高分辨率影像分类精度提高难的问题,提出一种面向对象结合卷积神经网络的遥感分类方法。【方法】首先利用构建moran’s I指数与地理探测器q统计量的二维空间的方法,确定最佳分割尺度,以最大面积法确定均质因子权重,对预处理后的GF-1影像进行分割,利用分割后的对象的特征作为分类模型的输入变量,建立一维卷积神经网络(1D-CNN)的分类模型,构建了基于像元的支持向量机,面向对象的支持向量机分类模型,对研究区进行了分类。【结果】利用面向对象的一维卷积神经网络方法进行分类,分类结果总体精度为93.10%,Kappa系数为0.916 7,同基于像元支持向量机方法相比,总体精度提高了24.35%,Kappa系数提高了0.292 3;同面向对象的支持向量机方法相比,总体精度提高了6.2%,Kappa系数提高了0.074 6。【结论】利用构建的moran’s I指数与地理探测器q统计量的二维空间和最大面积法确定最佳分割参数,建立一维卷积神经网络结合面向对象的方法对遥感影像进行分类,与传统模型相比得到的分类结果精度较高,是一种快速有效的分类方法。
[期刊] 清华大学学报(自然科学版)
[作者]
宋青松 张超 陈禹 王兴莉 杨小军
常见的道路分割方法往往环境噪声鲁棒性不足并且分割边缘不够平滑。针对该问题,提出了一种组合全卷积神经网络和全连接条件随机场的道路分割方法。首先,利用深度神经网络良好的特征表征能力,将道路分割视为一个二分类问题,构建一个基于VGG_16深度卷积网络的全卷积网络,实现道路图像端到端的路面和背景分类;然后,利用全连接条件随机场能够实现图像精细分割的特点,采用全连接条件随机场对二分类得到的粗糙边缘再进行平滑优化。针对真实环境下采集的道路分割基准数据库的测试结果表明:该方法获得了98.13%的分割准确率以及每0.84s处理1幅图像的分割速度,具有一定的先进性。
[期刊] 中南林业科技大学学报
[作者]
巩垠熙 高原 仇琪 谢飞 冯仲科 樊江川
传统立地质量评价体系主要使用地面调查数据,而多光谱遥感影像为大范围研究森林生产力和立地状况提供了便捷的途径。为了改进传统的立地质量评价体系,以内蒙古旺业甸林场为研究对象,基于研究区域的遥感影像结合地表小班调查数据,采用BP人工神经网络模型,以落叶松为例,建立了遥感因子结合立地因子与地位指数关系的神经网络模型,进行立地质量评价研究。建立了BP人工神经网络地位指数预测模型,模型的预测精度达到90.97%,与使用传统小班调查数据建立的神经网络模型的预测结果进行比较,精度提高了5.44%。结果表明多光谱遥感影像十分适用于森林立地质量评价,充分证实了本研究方法的有效性和优越性。
关键词：
遥感影像 神经网络 立地质量 植被指数
[期刊] 北京林业大学学报
[作者]
江涛 王新杰
【目的】基于遥感影像的林分类型分类在现代林业中是一项重要的应用。本文试图构建一个基于高分二号(GF-2)影像林分类型分类的卷积神经网络(CNN)模型,探索CNN在遥感图像像素级分类这一领域的发展潜力。【方法】以GF-2卫星遥感影像为数据源,利用Tensorflow(一种开源用于机器学习的框架)构建4种不同图像斑块大小(m=5,7,9,11)为输入的CNN,同时以传统的神经网络模型——多层感知器(MLP)为基准,比较不同图像斑块大小下的CNN分类图的分类效果和分类精度。【结果】实验分类结果表明:CNN(m=9)得出最高的分类精确度,总体精度比MLP和CNN(m=5,7,11)分别高出10.91%和6.55%、1.3%、2.54%。分类图的可视化结果也表明CNN(m=9)更好地解决了"椒盐现象"与过度平滑后的边界不确定性问题。【结论】CNN能够在利用高分影像光谱特征的同时充分挖掘影像的空间特征,从而提高分类精度,同时在利用CNN基于遥感影像分类时,根据数据源以及地物的特点选择合适的图像斑块大小作为输入是提高分类精度与分类效果的关键措施。
[期刊] 中南林业科技大学学报
[作者]
王传立 张晓芳 唐鼐 袁梦 文益君 郭瑞
高光谱遥感影像包含了大量的波段信息,能够很好地应用于地物的识别。基于单核的高光谱遥感影像极限学习机分类模型,因其实施简单、分类精度高、训练时间短,已被广泛地应用于高光谱遥感影像识别。但是核特征的选取,以及单核特征表达的单一性,限制了模型分类精度的进一步提高。为了解决此问题,受多核极限学习机(MK-ELM)思想的启发,首先使用核方法,提取了遥感影像的多核特征表达;然后利用多核极限学习机理论,同时优化极限学习机结构参数以及多核特征融合系数,获得最优的分类模型。为了说明MK-ELM的有效性,在Indian pines数据集上做了对比实验,该实验证明基于多核极限学习机遥感影像分类模型的分类精度较单核极限学习机有明显地提高,MK-ELM的分类整体精度为80.2%,Kappa系数高达78%;同时将多核极限学习机应用到芷江林场的林地信息提取,其分类精度高达89.1%,Kappa系数达86%。
[期刊] 南京农业大学学报
[作者]
吉文翰 郑恒彪 王迪 唐伟杰 郭彩丽 姚霞 江冲亚 朱艳 曹卫星 程涛
[目的]收获前获取水稻育种小区的产量信息是高通量表型监测的重要组成部分，也是水稻高产育种的迫切需求。当前，水稻产量预测方法大多基于少数品种，且由线性回归、机器学习等方法建模，因此估产模型一般都存在迁移性较差、精度不高等问题。本研究旨在利用无人机影像和深度学习网络构建适用于多水稻品种的产量预测模型。[方法]利用无人机获取了水稻育种试验的多时相RGB和多光谱影像，系统比较了线性回归、机器学习、深度学习算法在产量预测上的表现；同时，提出了一种基于注意力机制和卷积神经网络的水稻产量预测方法，并对比分析了ResNet50，MobileNetV3，ShuffleNetV2三种网络的表现。[结果]线性回归和机器学习算法在水稻育种小区产量预测上表现较差（R~(2)<0.3）。MobileNet模型的收敛速度和预测精度是最高的，测试结果为R~(2)、RMSE、RRMSE分别为0.55、1.06 t·hm~(-2)、12.62%。引入注意力机制的MobileNet模型的收敛速度和预测精度得到了一定的提高，测试结果为R~(2)、RMSE、RRMSE分别为0.58、1.03·hm~(-2)、12.26%。利用时域卷积网络（Temporal Convolutional Network）构建的时间序列模型对水稻产量预测精度有一定提升，R~(2)、RMSE、RRMSE分别达到了0.64、0.96 t·hm~(-2)、11.4%。[结论]卷积神经网络为水稻育种材料产量预测提供了可靠方法，为基于无人机平台的水稻高通量表型研究提供较好的技术支撑。
[期刊] 北京林业大学学报
[作者]
李彦甫 范习健 杨绪兵 徐新洲
【目的】遥感图像分类技术在森林资源调查、生态工程规划以及森林病虫害防控等林业监测业务中,扮演着至关重要的角色。通过引入自注意力模块增强卷积网络对遥感图像的特征刻画能力,以期提高遥感图像的分类效果。【方法】该文提出了一种融合自注意力机制和残差卷积网络的遥感图像分类方法,首先利用卷积神经网络提取丰富的深度纹理语义特征,然后在卷积网络的最后3个瓶颈层嵌入多头自注意力模块,挖掘遥感图像复杂的全局结构信息。嵌入自注意力模块的卷积分类网络,能够有效提升遥感图像的分类精确度。该研究使用RSSCN7、EuroSAT与PatternNet 3个公开的遥感图像数据集,基于Pytorch深度学习库训练与测试该方法,并增加与已有分类框架算法精度和性能的对比试验。同时,使用不同批次、不同数量大小的数据训练改进研究提出的方法,并测试分类效果。【结果】试验得出,该研究提出的方法在3个遥感分类数据集上的平均识别率分别达到了91.30%、97.88%和97.37%,其中在前两个数据集上较现有的基于深度卷积网络的算法分别提升了2.26%和3.73%。同时,该算法的总参数量为2.08×10~7,较现有参数量最低的方法减少了5.2×10~6。【结论】相比已有的遥感图像分类框架,该研究提出的方法能够在图形处理器(GPU)加速的环境中,取得更为准确的分类效果。同时有效减少了模型的参数量,提高了算法执行的效率,便于后续的实际应用部署。
[期刊] 林业科学
[作者]
田静 邢艳秋 姚松涛 曾旭婧 焦义涛
【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010年Landsat5-TM影像数据和2012年森林资源二类调查数据,采用窗口法获取TM第5波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则(判断准则是中心元胞周围的8个元胞
[期刊] 中国农业科学
[作者]
宋晓宇 王纪华 刘良云 黄文江 沈涛 喻铮铮
【目的】以高空间分辨率Quickbird遥感影像作为管理分区划分的数据源,结合地面土壤养分采样数据进行管理分区划分研究。【方法】在对数据进行空间变异分析的基础上,采用3种不同的分区方式对研究区进行田块尺度内管理分区的划分:1)利用土壤养分数据划分管理分区;2)利用冬小麦遥感长势信息划分管理分区;3)利用土壤养分信息结合冬小麦长势信息划分管理分区。【结果】与划分前的地块变异情况相比,利用土壤养分数据进行管理分区划分的方法,在很大程度上提高了不同分区内土壤的均一度,而光谱指数和产量的变异系数也有所降低;利用光谱数据进行管理分区划分,土壤养分的变异系数总体上有所减低,但降低的幅度小于利用土壤养分数据...
[期刊] 资源科学
[作者]
汪权方 许纪承 陈媛媛 李家永 王新生
利用遥感手段,以低廉的成本有效获取包括居民地在内的地表信息是促使卫星遥感数据转化为现实生产力的根本所在,也是遥感应用领域中亟待解决的重要课题。目前虽然已有"空间分辨率越高,遥感分类精度也越高"的共性认识,但是遥感影像空间分辨率的不同对于城镇和乡村这两种不同类型的居民地信息提取产生怎样的影响等,目前尚无明确答案。本文首先以同一区域不同空间分辨率的4种卫星遥感影像数据为信息源,定性探讨居民地在不同分辨率遥感影像上的表现特征;然后以两种不同分辨率的影像ALOS和TM为实验对象,对这两种影像上城镇和乡村居民地信息提取精度进行比较分析。结果显示:虽然基于10m-ALOS影像的居民地信息提取精度较30m-...
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
张伐伐 李卫忠 卢柳叶 康乐
【目的】探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。【方法】以结合纹理特征的支持向量机(Support vector machine,SVM)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。【结果】面向对象分类法的总精度达到90.67%,较结合纹理特征的SVM法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。【结论】利用面向对象分类法不仅达到了提取土地...
[期刊] 中南林业科技大学学报
[作者]
张雨 林辉 臧卓 严恩萍 东启亮
以湖南省株洲市攸县黄丰桥林场为研究对象,运用最小距离、马氏距离、最大似然、光谱角制图、光谱信息散度、神经网络、支持向量机7种分类方法对Hyperion高光谱数据进行森林信息提取。通过对信息提取结果进行比较分析得出:针对Hyperion影像信息提取的7种方法中,支持向量机、神经网络和马氏距离3种分类方法较适合森林信息的提取,总体精度分别为67.39%、66.30%、62.68%;最大似然法在针叶林信息提取中的效果较好,其精度为67.31%;支持向量机法最适合提取阔叶林信息,其精度为80.19%,远远高于其它6种分类方法;运用马氏距离和神经网络法提取竹林信息精度最高,分别达到了84.21%和81....
[期刊] 物流技术
[作者]
姚志英 王成林 姚滢滢
设计了一种物品检测深度卷积神经网络,应用于物流分拣传输过程中物品检测。分析了深度卷积神经网络的结构及其在图像特征提取和信息降维方面的作用;设计了由卷积层、池化层、激活函数层和全连接网络层组成的物品检测深度卷积神经网络;构建了由300幅图像和标注结果组成的样本库,抽取60%的样本作为网络训练样本集,其余40%样本平均分成两组,其中一组作为网络训练过程中验证样本,另一组作为对训练好网络进行性能验证的测试样本;在设定网络参数的基础上进行网络的训练和测试;通过分析网络训练过程中各层的输出,发现所设计的网络可以很好地实现图像中所含物品特征的检测;网络训练过程验证精度可达100%,测试正确率可达98.33%。由此可知深度卷积神经网络性能良好,可用于物流分拣生产中的物品检测。
[期刊] 物流技术
[作者]
刘建国 代芳 詹涛
为解决字符分割错误造成的车牌识别错误,提出一种基于卷积神经网络的端到端的车牌识别算法,该算法首先采用基于颜色定位、文字定位和边缘检测的方法从自然场景中提取出车牌,由于样本量的问题,采用车牌生成器对车牌样本进行扩充,得到80602张车牌数据,将车牌按照7:1分为训练集和测试集,使用改进的AlexNet网络生成端到端的深度学习模型进行训练,并使用得到的模型进行车牌字符识别,车牌识别准确率达到96.7%。实验结果表明,该方法车牌识别准确率高,且鲁棒性较好。
关键词：
车牌定位 端到端 车牌识别 卷积神经网络
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
