全文获取类型
收费全文 | 112篇 |
免费 | 36篇 |
国内免费 | 7篇 |
专业分类
测绘学 | 37篇 |
地球物理 | 1篇 |
地质学 | 6篇 |
海洋学 | 105篇 |
综合类 | 3篇 |
自然地理 | 3篇 |
出版年
2024年 | 1篇 |
2023年 | 4篇 |
2022年 | 1篇 |
2021年 | 7篇 |
2020年 | 9篇 |
2019年 | 17篇 |
2018年 | 10篇 |
2017年 | 13篇 |
2016年 | 10篇 |
2015年 | 7篇 |
2014年 | 5篇 |
2013年 | 4篇 |
2012年 | 7篇 |
2011年 | 3篇 |
2010年 | 5篇 |
2009年 | 5篇 |
2008年 | 4篇 |
2007年 | 6篇 |
2006年 | 8篇 |
2005年 | 9篇 |
2004年 | 5篇 |
2003年 | 2篇 |
2002年 | 3篇 |
1999年 | 1篇 |
1998年 | 2篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1981年 | 1篇 |
排序方式: 共有155条查询结果,搜索用时 46 毫秒
61.
62.
随着海上交通运输业业务需求的不断增加,传统的目标检测方法已无法满足实际需求。由于卫星遥感技术的快速发展,基于合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标自动识别具有显著的应用潜力。近年来,深度学习技术在目标检测领域逐渐显现出优势,特别是YOLO (You Only Look Once)模型以其较高的精度和计算效率,为SAR舰船目标的识别提供了一种新的方法。为对比不同的YOLO模型在舰船目标识别领域的性能及其相比于两阶段深度学习算法的优势,本文首先对YOLO系列的结构进行了归纳总结;其次对当前广泛使用的数据集进行了对比分析,并基于SAR图像数据集(SAR Ship Detection Dataset,SSDD)的样本进行重新标注构建出本文的数据集;然后将YOLO系列模型与两阶段目标检测方法——更快速的区域卷积神经网络(Faster Region-based Convolutional Neural Network,Faster R-CNN)在SAR舰船目标检测的精度和速度两方面进行对比实验;最后在YOLOv5模型的基础上对主干网络(Backbone... 相似文献
63.
64.
65.
66.
67.
69.
70.
船载水陆一体化综合测量系统研究进展 总被引:3,自引:1,他引:2
海岛、海岸带等水陆结合部一直是开展海洋测绘的困难区域。近年出现的机载激光测深技术尽管可应用于海岸带、海岛礁等区域的测量,但由于受限因素较多,未能实现我国大部分水陆地形的无缝拼接工作。船载水陆一体化综合测量技术通过多进程网络技术集成三维激光测距、多波束测深、定位定姿等技术,弥补了传统测量方式低效率、高成本、获取水陆高密度的三维空间地理信息困难等不足,作为新兴的海洋空间探测技术优势明显。本文概述了目前国内外船载水陆一体化综合测量系统的最新研究进展,并对系统组成及原理进行了介绍,同时总结了系统的数据采集、处理流程中的关键环节及存在的问题,最后展望了其未来的发展趋势。 相似文献