全文获取类型
收费全文 | 1039篇 |
免费 | 85篇 |
国内免费 | 160篇 |
专业分类
测绘学 | 356篇 |
大气科学 | 140篇 |
地球物理 | 136篇 |
地质学 | 197篇 |
海洋学 | 84篇 |
天文学 | 11篇 |
综合类 | 129篇 |
自然地理 | 231篇 |
出版年
2024年 | 27篇 |
2023年 | 61篇 |
2022年 | 164篇 |
2021年 | 178篇 |
2020年 | 153篇 |
2019年 | 119篇 |
2018年 | 61篇 |
2017年 | 67篇 |
2016年 | 32篇 |
2015年 | 28篇 |
2014年 | 29篇 |
2013年 | 59篇 |
2012年 | 75篇 |
2011年 | 27篇 |
2010年 | 21篇 |
2009年 | 17篇 |
2008年 | 17篇 |
2007年 | 22篇 |
2006年 | 26篇 |
2005年 | 14篇 |
2004年 | 12篇 |
2003年 | 12篇 |
2002年 | 7篇 |
2001年 | 12篇 |
2000年 | 8篇 |
1999年 | 14篇 |
1998年 | 2篇 |
1997年 | 6篇 |
1996年 | 3篇 |
1995年 | 4篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1991年 | 2篇 |
1988年 | 1篇 |
1985年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有1284条查询结果,搜索用时 562 毫秒
471.
目前海岛经济快速发展,为避免海岛建筑无序扩建,了解海岛建筑分布特征尤为重要。机器学习方法是从高分遥感影像提取地物目标的常见方式,然而建筑物遥感特征复杂,机器学习方法出现鲁棒性差、难以充分挖掘深层次特征的弊端。文章提出基于DeepLabv3plus网络模型的深度学习语义分割方法提取海岛建筑,并对网络结构进行改进,使用组归一化(GN)方法替代批归一化(BN)以适合小batch size下的语义分割操作。针对海岛建筑数据量较少的问题,采用迁移学习策略,设计基于多源数据的国内城市建筑数据集的预训练样本智能采集和标注方法,再人工标注中国部分海岛建筑进行算法实验。结果表明,在batch size较小时,基于GN的DeepLabv3plus语义分割算法的平均精度和mIoU均得到提升,能够获得更为精确的像素级海岛建筑提取结果。 相似文献
472.
如何快速获取无辅助参数卫星遥感影像地理位置是非合作方式获取的遥感影像信息充分利用的一个关键,利用影像特征的相似性对卫星遥感影像检索来实现定位,是获取无辅助参数卫星遥感影像地理位置的有效手段。为了探寻影像深度学习全局特征用于无辅助参数卫星遥感影像检索定位的可行性,建立了包括Precision@K、平均排序、特征提取时间、特征相似性计算时间、硬件消耗等,涵盖有效性、效率2个方面共计5类指标的评估体系。采用谷歌地球提供的影像数据作为基准影像,在资源三号夏季及冬季数据集上,分别利用AlexNet、VggNet、ResNet、DenseNet、EfficientNet等几种代表性的卷积神经网络预训练模型提取基准影像及查询影像的全局特征,依据评估体系中的指标,对这些网络模型的影像表征效果进行全面的量化评估与分析。试验分析结果表明,DenseNet、ResNet-18、VggNet这3个深度学习神经网络预训练模型提取的全局特征,综合表征效果较好,可有效用于卫星遥感影像检索定位;当K值取200时,DenseNet网络模型的Precision@K值可以达到59.5%,ResNet-18和VggNet网络... 相似文献
473.
在高分辨率遥感影像中提取建筑物轮廓是地区基础建设信息统计的一项重要任务。适应性较强的深度学习方法已在建筑物提取研究中取得较大进展,受网络模型对影像特征表达的局限性,存在局部建筑轮廓边缘模糊的问题。本研究提出一种基于注意力的U型特征金字塔网络(AFP-Net)可以聚焦高分遥感影像中不同形态的建筑物结构,实现建筑物轮廓的高效提取。AFP-Net模型通过基于网格的注意力阀门Attention Gates模块抑制输入影像中的无关区域,凸出影像中建筑物的显性特征;通过特征金字塔注意力Feature Pyramid Attention模块增加高维特征图的感受野,减少采样中的细节损失。基于WHU建筑物数据集训练优化AFP-Net模型,测试结果表明AFP-Net模型能够较清晰地识别出建筑物轮廓,在预测性能上有更好的目视效果,在测试结果的总体精度和交并比上较U-Net模型分别提高0.67%和1.34%。结果表明,AFP-Net模型实现了高分遥感影像中建筑物提取的结果精度及预测性能的有效提升。 相似文献
474.
475.
476.
基于卷积神经网络的高光谱图像分类是当前的研究热点,先后发展了空洞卷积、可形变卷积等先进模型。然而,现有可形变卷积只在空间维偏移,忽略了高光谱图像光谱之间的差异信息。为此,本文将可形变卷积从空间维扩展到光谱维,设计了光谱可形变卷积,提出了光谱可形变卷积网络SDCNN (Spectral Deformable Convolutional Neural Network)。首先,利用全连接层学习光谱可形变卷积的偏移量,采用线性差值对图像光谱维进行特征校准;其次,采用多层1×1卷积进行光谱维特征聚合;最后,使用三维卷积层提取光谱—空间联合特征。不同于空间可形变卷积,光谱可形变卷积只在光谱维上进行偏移,可以为不同类别选择更合适的特征波段,提升模型的判别性。在国际通用测试数据Indian Pines、University of Pavia以及University of Houston上进行了实验,结果表明:本文提出的SDCNN方法优于其他深度学习方法,在相同样本条件下取得了更高的分类精度,总体精度达到了98.86%(Indian Pines,10%/类)、99.81%(University of P... 相似文献
477.
林火发生后,开展森林生态系统烈度信息的初始评估,能够为灾后生态修复管理措施的快速实施提供定量依据。为了改善传统林火烈度评估模型的时效性,本研究利用历史过火区域的实地调查数据,构建基于迁移学习的烈度评估模型,并将其应用于2020年3月30日发生的西昌泸山森林大火烈度初始评估研究中。研究结果表明:迁移学习算法能够将源区域和目标区域的遥感影像光谱转换为多个新的特征变量,在这些新特征变量构成的投影空间中,源区域和目标区域样本具有相似的特征分布。在此基础上,基于源区域历史实地调查数据构建的烈度评估模型,能够迁移应用于目标区域的烈度评估。在本研究林火烈度的初始评估中,基于迁移学习的烈度评估模型精度较高,总体精度为71.20%,Kappa系数为0.64。与该模型对比,未进行迁移学习的支持向量回归模型精度较低,其总体精度为58.00%,Kappa系数为0.48。同时,基于dNDVI、dLST和dNBR指数的经验回归模型精度最低,其总体精度分别为:20.80%、34.8%和24.80%,Kappa系数分别为:0.01、0.19和0.06。本研究可为林火灾后管理措施的快速响应,提供一种新的思路和参考。 相似文献
478.
高光谱遥感可同步获取地表覆盖空间影像和连续且精细的光谱数据,能够实现对地物的精细分类与识别。然而,高光谱图像的高维特性对分类带来巨大挑战。为此,本文探讨了一种基于卷积核哈希学习的高光谱图像分类方法。哈希学习可以将高维信息表达为低维哈希编码,通过计算哈希编码内积并借助最小汉明距离实现分类。为了有效表达非线性数据,又发展了核哈希学习方法。然而,直接应用核哈希学习进行高光谱图像分类存在运行速度慢和未考虑空间邻域信息的不足。为此,本文在核哈希学习中引入径向基函数RBF (Radial Basis Function)作为损失函数以提高运行效率;同时,借助四维卷积操作充分表达空间邻域信息,提出了基于卷积核哈希学习的高光谱图像分类方法 CKSH (Supervised Hashing with RBF Kernel and Convolution),同时探讨了该方法在仅利用光谱特征和光谱—空间联合特征上的分类效果。在国际通用测试数据Indian Pines和University of Pavia上进行了实验,结果表明:本文提出的CKSH方法优于传统分类方法 (支持向量机、随机子空间)和其他哈希学习方... 相似文献
479.
480.
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,... 相似文献