农作物叶片病害迁移学习分步识别方法

农作物病害的准确识别有助于提高农作物的产量与质量.针对作物病害图像训练样本数据量较少的情况,本文采用迁移学习方法结合分步识别模型对多种农作物病害种类进行了识别.将PlantVillage公开数据集中3种农作物的10类作物叶片图像作为训练样本,利用直接识别方法分别对VGG16和ResNet的原始模型和迁移学习模型进行训练...     

利用深度学习进行GF-6影像枣园检测识别

针对新疆南疆大规模枣园的检测识别,本文提出了一种基于泛化迁移深度学习的枣园目标检测识别方法。以GF-6卫星影像数据为基础制作了Jujube数据集,并将其泛化扩充增强;以Faster R-CNN体系为基础,利用多态协同模式实现数据集的有效关联和优化重构,进行检测识别模型的迁移深度学习以提高对目标对象检测识别的泛化能力。结果表明,模型算法的验证识别精确率、召回率和调和平均值分别达0.979、0.952和0.965,在应用测试中,3个指标平均值均大于0.929,优于传统检测方法,且本文模型方法总体分类精度为0.97,Kappa系数为0.93,均高于面向对象最邻近法,能够有效地满足研究区规模化枣园目标检测识别的精度和效率的要求,为精细化枣园田间管理提供基础依据。     

非视距环境下的UWB/INS室内定位方法

针对UWB在室内定位的应用中会受到非视距环境影响导致定位性能减弱甚至丧失的问题,提出在使用功率增益判决结合概率统计方法识别非视距信号后,开展基于卡尔曼滤波的UWB/INS组合定位;通过在非视距环境下使用INS系统解算UWB位置信息,实现非视距室内定位。仿真实验结果表明,使用拓展卡尔曼滤波得到的X、Y、Z三轴定位误差可控制在0.5 m内但定位性能不稳定;使用无迹卡尔曼滤波处理得到的X、Y、Z三轴定位误差可以控制在0.3 m内且定位性能稳定。该结果为非视距环境下的UWB室内定位提供了技术支持。     

改进约束D-TIN的等高线陡坡区域识别

针对高线图中陡坡区域特征的自动识别问题,在应用Delaunay三角网与线性插值法生成等高线图的基础上,改进了基于最大角原则生成约束Delaunay三角网的算法,对等高线图进行了三角剖分,根据等高线之间约束三角形的几何参数,计算了等高线图坡面单元坡度,识别出坡度较高区域。进一步地,给出了一种扩张算法对相连陡坡单元进行划分形成陡坡区域,计算了各个陡坡区域中心坐标、面积与平均坡度。通过对12组有256个坐标高程值的数据构建约束D-TIN并生成三维地形图对识别结果进行了评价,识别正确率达0.903,平均识别时间为33ms。实验表明,对于不同数据生成的不同等级等高线图的识别结果均有较高的效率与准确率。     

迁移学习支持下的高分影像积云提取方法研究

针对传统影像质量检查工作中积云提取存在人工作业量大、操作烦琐等问题,本文通过引入迁移学习机制,将已有数据集训练过程中得到的神经网络参数迁移到解译模型构建中,提出了一种适用于积云的自动提取方法。本文以湖南省不动产统一登记基础数据为实验对象进行了实验,结果表明,本文方法的浓积云提取总体精度可以达到90%以上,淡积云提取的总体精度可以达到87.3%,表明本文研究可用于高分影像积云自动提取。     

侧扫声呐识别沉船影像的迁移学习卷积神经网络法

侧扫声呐海底沉船图像识别是水下障碍物核查和失事船只搜救中的一项重要工作.针对传统侧扫声呐图像人工判读存在效率低、耗时长、资源消耗大及主观不确定性强和过分依赖经验等问题,本文尝试引入卷积神经网络的方法,同时考虑到侧扫声呐沉船图像属于小样本数据集,提出一种基于迁移学习的卷积神经网络侧扫声呐沉船图像自动识别方法.通过归一化处...     

非交互环境下的地名自动注记

精确和优美的文字注记对设计一幅好的地图来说是非常重要的组成部分。人口调查局制图员和程序设计者联合研制使制图名称注记惯例纳入了制图软件。研制出了一个非常有效的名称注记系统。这个系统能够对文字进行定位。并且能够在无需人工干预的情况下，处理注记条文的冲突现象。这个名称注记系统是自动制图系统的一部分。此系统的发展为１９９０人口调查的许多活动提供了纸质地图。本文考察了现行的自动名称注记系统，描述了标记点、线     

基于深度学习的人体行为识别

为了识别公共区域等特定场所下的人体行为,提出了一种基于深度学习的人体行为识别方法。首先,预处理训练样本集和测试样本集中的所有图像,通过高斯混合模型提取出目标运动前景。其次,对训练样本集中各种目标行为建立样本库,定义不同类别的识别行为作为先验知识,用于训练深度学习网络。最后,结合深度学习所得到的网络模型,分类识别测试样本集中的各种行为,并将识别的结果和当前流行方法进行了比较。实验结果表明,该人体行为识别方法优于其它方法,平均识别率相比其他方法有较大的提高。     

基于网络文本迁移学习的旅游知识图谱构建

在线旅游服务模式和海量网络文本的出现为旅游产业规划和用户出游推荐提供了新的信息支撑。然而实时更新的网络文本语义模糊、信噪比低,难以利用,由此,提出了一种基于领域本体和迁移学习的旅游知识图谱构建方法。首先,基于行业规范定义了旅游景点特征体系,建立了以旅游景点为核心的旅游知识图谱,支持景点语义特征的全方位刻画;然后,通过迁移学习方法将预训练语言模型改造为定制化知识抽取器,从网络文本中获取知识三元组,并融合游客足迹、兴趣点语义等信息将分散的相关信息整合为系统性的旅游景点知识图谱。知识抽取实验结果表明,相较于常用的LDA（latent Dirichlet allocation）模型,定制化知识抽取器获取的景点语义知识,其精度与完整性分别提升了50.7%和670%。所构建的旅游景点知识图谱可全面表达现实中的旅游场景,支撑不同尺度下游客行为与市场需求的深入解析,为旅游目的地可持续发展规划提供决策支持。     

基于CNN模型迁移的OLI影像光伏电池板场景识别

获取光伏电池板的空间分布及动态变化信息对于国土调查、资源环境监测和能源结构评估具有重要意义,然而,传统的光伏电池板的识别依赖于人工设计的中低层次特征,无法克服对象光谱不确定性、空间结构类型复杂等难题,算法普遍存在稳健性不强、效率不高等问题。目前,基于场景单元从遥感影像中提取空间信息,多数算法仅建立在少数标准数据集上,未考虑实际应用中遥感图像质量、空间分辨率等因素对图像场景深度特征表达的影响,制约了遥感技术在城市结构、经济社会知识挖掘方面的深入应用。针对以上情况,本文基于卷积神经网络（CNN）采用迁移学习和模型微调的策略,在中等分辨率的Landsat影像上进行光伏电池板场景识别。结果表明,本文方法能够提取电站场景的多层次特征,在形态结构复杂的电站场景中取得了较好的识别效果。     

结合数据增广和迁移学习的高分辨率遥感影像场景分类

深度学习在计算机视觉领域取得了显著的成果,如图像分类、人脸识别、图像检索等。对于遥感领域而言,获取用于训练CNN的有标签数据集通常是一个重大挑战。本文研究了如何将CNN用于高分辨率遥感影像的场景分类,为了克服缺乏大量有标签遥感影像数据集的问题,结合CNN采用了两种技术：数据增广和迁移学习。在UC Merced Land Use数据集上,验证了VGG16、VGG19、ResNet50、InceptionV3、DenseNet121等5种网络的性能,分别达到了98.10%、96.19%、99.05%、97.62%、99.52%的分类准确率。     

参数自主学习的车辆运动约束新模型及其惯性推算误差抑制分析

准确、连续、可靠的位置信息是车载导航应用的基础条件,在不增加额外传感器的前提下,集成GNSS与MEMS及车载CAN总线传感器,并融入车辆运动约束信息,是最为简单有效且低成本的车载多源导航方案。在车辆运动约束中,合理配置相关参数是约束条件能否充分发挥作用的关键,本文重点针对车辆非完整性约束,采用多元回归和深度学习方法,构建了参数自主学习的车辆运动约束模型。同时,提出了在观测域直接学习侧向/垂向速度参数的新思路,相比原有方差域调参方法具有更好的约束效果。实测分析表明,相比于方差域调整参数的传统方法,在观测域进行参数自主学习的新模型具有显著的精度提升,采用多元回归模型的惯性推算误差在水平位置上减小了69.6%~81.2%,而利用深度学习则减小了60.0%~77.3%,同时,水平相对定位精度分别改善了75.2%和65.0%,新模型能够有效提升GNSS失效时车载定位精度维持能力。     

迁移学习支持下的高分影像山地滑坡灾害解译模型

无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。     

一种基于迁移学习的栅格型图表自动分类方法

图表自动分类是实现图表内容解译及信息提取的前提.基于Inception V3模型,采用迁移学习的方法,对图表自动分类方法进行了研究,提出了对5类栅格图表进行自动分类的模型.通过与传统的图表自动分类方法的对比试验,测试了在不同学习率参数下模型的分类效果,给出了针对结构化特征的指数衰减学习率的数学表达式.结果表明:采用迁移...     

基于子区域多标签学习的露天煤矿区场景识别

露天煤矿开采易对区域生态环境产生不利影响,对其进行高效监管有利于矿区环境保护和可持续发展。随着遥感技术和人工智能的发展,基于高分辨率遥感影像的露天煤矿区场景自动识别成为可能。本文针对单标签学习算法在场景子区域识别中识别率较低的问题,将多标签学习策略和地理学第一定律相结合,提出一种基于子区域多标签学习的露天煤矿区场景识别方法。为了区分露天煤矿区场景与其周边场景,设置了6类矿区标签和7类非矿区标签,对9768张场景子区域图像进行标注,构建多标签数据集,利用该数据集训练基于多标签学习的Inception-v3模型。场景识别时,首先将一幅覆盖研究区的遥感影像划分为相同大小的子区域并进行多标签分类;然后对含有矿区标签的子区域,利用地理学第一定律对其矿区标签的相关性和完整性进行判定,识别出属于露天煤矿区场景的子区域。胜利西露天煤矿区识别实验结果表明：该方法提取的结果最接近真值,显著高于单标签学习的识别精度;其子区域多标签分类F1分数达到0.857,与单标签学习中性能最好的ResNet50模型相比,提高了8个百分点。本文提出的方法能够自动提取子区域内多类标签的有效特征,提高露天煤矿区场景识别的精度,...     

辩证法在地图学中渗透及促进学习迁移的探索

"地图学"是地理信息科学本科专业的必修课,地图学中诸多知识点都充分体现了马克思主义哲学中关于辩证法、认识论的观点。本文在总结"地图学"课程中地图投影、地图概括等知识点与辩证法相互关联的基础上,从地图学要解决的"圆与平""大与小"两类基本矛盾入手,构建了通过在知识点讲授过程中渗透辩证法思想以促进学生知识迁移能力的课程教学框架,并据此介绍了相关教学实施方法,在教学实践中发现,以上方法对于提高学生对知识点间相互联系和课程体系的认识有一定的作用。     

基于深度学习的遥感影像识别国内研究进展

基于中国知网中关于深度学习的遥感影像识别的文献视角,对文献的时间分布、来源分布、主题分布、内容分布、被引次数等进行分析.从卷积神经网络(Convolutional Neural Networks,CNN)、深度信念网络(Deep Belief Network,DBN)、堆叠自编码器(Stacked Auto-Encod...     

基于Oracle的ArcSDE数据迁移

ArcSDE在空间数据的管理中得到了广泛的应用,本文对多种基于Oracle的ArcSDE数据迁移方法进行了阐述,结合笔者管理数据的实际情况,利用sdeexport/sdeimport工具对ArcSDE数据进行迁移,取得了较好的效果。     

基于鉴别字典学习的遮挡人脸姿态识别

利用字典学习与稀疏表示的信号重建与分类的性能,两步字典训练学习方法引入到鲁棒性人脸姿态识别中。首先,将人脸姿态离散化为不同的子空间,使用K-奇异值分解法（K-SVD）为每个子空间训练一个子字典使其对应一个类别;然后,将所有子字典组合成超完备字典;最后,采用基于Gabor特征与稀疏表示的方法进行姿态分类。为了提高字典的分类能力,本文采用两步字典训练学习方法,并在第二步学习中加入类别约束;为了提高算法的鲁棒性,本文重构一个遮挡人脸字典,解决人脸姿态识别中人脸遮挡问题。通过在公开的XJTU、PIE和CAS-PEAL-R1人脸库上的实验结果表明,本文方法在具有光照、噪声和遮挡变化的人脸库识别率均能达到95%左右,基本能达到实际应用的要求。     

卷积神经网络迁移的高分影像场景分类学习

针对基于人工提取特征的传统分类方法无法有效表达高空间分辨率遥感影像高层语义信息,且需要大量高质量训练数据,而带标签样本数据匮乏的问题。迁移学习运用已有知识对不同但相关领域问题进行求解,可有效解决目标领域中仅有少量标签样本数据的学习问题。该文提出利用迁移学习,基于卷积神经网络的深度学习模型进行高分影像场景分类。首先,基于ImageNet预训练的卷积神经网络Inception-v3模型提取高分影像数据的特征向量;然后,将特征向量作为输入数据训练一个新的单层全连接神经网络,经少量带标签影像场景数据训练后得到最终分类结果。该方法在UC Merced、AID和Wuhan 7类场景影像数据集上分别取得99%、93.3%和96.6%的准确率,相比已有方法,有效提高高分影像场景分类精度,同时说明知识迁移在高分影像场景分类领域的可行性。