基于改进U-Net网络的海洋中尺度涡自动检测模型

海洋中尺度涡对浮游生物的分布、能量和盐分的输送具有非常重要的影响,海洋中尺度涡的自动检测是监测、分析中尺度涡时空变化的重要基础。针对传统基于物理特征检测海洋中尺度涡的方法存在受限于人工设计参数导致精度不高的问题,本文依据海洋卫星反演的海表面高度图,提出了一种基于改进U-Net网络的海洋中尺度涡自动检测模型。该模型在海洋中尺度涡的特征提取阶段嵌入了卷积注意力机制,使得模型能够关注于海表面高度图中最具有类别区分度的区域,同时引入了残差学习机制解决了网络过深导致模型难以训练的问题。本文以南大西洋的卫星海表面高度数据集为例开展实验验证,结果表明,本文提出的模型海洋中尺度涡检测准确率达到了93.28%,显著优于EddyNet等现有模型。模型可为海洋学家通过海表面高度探测中尺度涡提供可靠技术方法。     

基于"样本字典"的城市违法用地快速监测模式研究

基于多源低空遥感数据获取、知识样本库、深度学习变化感知、多源数据融合分析,提出以专题"样本字典"和自注意力机制变化感知为核心的快速监测服务技术体系,旨在解决国家重要战略发展地区违法用地监管高效、精准、精细的管控要求,有效保障土地执法效率及准确率.     

解释宗教行为的新方法

人类学家要对宗教进行研究，必须有认识、衡量宗教信仰的方法，否则研究便会陷入困境。现在，来自美国密苏里大学和亚利桑那州立大学的两位人类学家找到了一种研究宗教的新方法。新方法将研究的注意力放在人们的口头交流上，而非过分执着于对超自然信仰的猜测。密苏里大学人类学副教授克雷格·帕尔默说，人类的交流行为是关键所在，因为交流是一种可确定、     

干旱逼人类向地下要水

当天上的降雨不能满足需求时,人们越来越把注意力集中到埋藏在地下的水资源。今年中国南方遭受罕见大旱时,地下水成为救济灾区人民的甘露。而在更干旱的中东地区,多个国家甚至已经打起有着数千上万年历史的＂化石地下水＂。越来越多的人在担心,抽取地下水对环境会不会造成重大的影响呢？     

第六部分突变事件新仙女木事件——全球变化的一段典型历史

由于他们所关注的是现代世界,所以HCSU、IGCP计划组织者们一开始就认为:在今后几十年甚至一个世纪内地质学家在全球变化研究中的活动天地不大,因为地质过程是缓慢而渐变的,而全球变化研究计划则要把注意力集中在今后几十年和几个世纪的环境变化上,因此没有理由认为以百万年为尺度的变化与今天的人类或下一代有多大关系。     

基于注意力反向投影网络的天气雷达回波超分辨率重建算法

高分辨率的天气雷达数据能揭示探测天气目标的精细结构,对灾害性天气分析和预报预警至关重要。提高天气雷达反射率数据分辨率可以提升现有业务天气雷达对中小尺度强对流灾害性天气的监测和预警能力。本文在不改变雷达硬件的情况下,提出了基于注意力反向投影网络(Attention Back-Projection Network,ABPN)的天气雷达回波超分辨率重建算法用于提高雷达反射率数据分辨率。ABPN通过在深度反向投影网络(Deep Back-Projection Network,DBPN)中加入长短跳跃连接和通道注意力机制,对关键区域精细化重建结构特征。通过对实际天气过程超分辨率重建测试,结果表明,ABPN算法在雷达回波重建质量和主观视觉评估上有明显的优势,特别是在回波细节和天气雷达的边缘结构特征方面。     

基于混合注意力机制的肺结节假阳性降低

为了解决肺结节CAD系统候选结节检测阶段高假阳性问题,本文提出一种基于混合注意力机制的肺结节假阳性降低方法.该方法可作为目前假阳性降低阶段最常用的3D CNN分类模型的替代方案,能有效回避3D CNN模型参数量及计算量大的问题.该方法将三维候选结节切片数据看作切片序列,使用时序分割模型,结合改进的包含混合注意力模块的2...     

注意力机制的英语地名机器翻译技术

针对现有无法区分地名专名与通名而导致的地名机器翻译准确率低与可用性差等问题,该文提出了基于自然语言注意力机制的地名机器翻译技术。深度学习模型中注意力机制是对于人类认知的模拟。该文通过对于大规模平行语料的训练,针对地名的自然语言特征,建立了地名语言环境约束条件下的注意力机制模型,并将其用于地名翻译过程中的专名与通名区分,从而提高整体的地名翻译精度。经过地名翻译实验,证明了该机器翻译技术比传统方法具有更高的准确率,有助于提高全球地理信息资源建设中地名产品的自动化水平。     

基于深度学习的高分辨率遥感影像光伏用地提取

近年来我国光伏产业发展迅猛,随之也产生了诸多用地问题,通过遥感技术提取光伏用地,监测光伏用地分布与用地状况,对于光伏产业健康发展具有重要意义。本文提出一套基于深度学习方法的高分辨率遥感影像光伏用地自动提取方法,该方法利用GF-1等卫星影像和Google Earth影像构建光伏用地样本,基于ResNeSt-50作为骨干网络的DeepLab V3+模型实现深度学习语义分割算法,并结合计算机图形学方法对深度学习结果进行后处理,实现了面向高分辨率遥感影像较通用的且高精度的光伏用地自动提取。该方法的深度学习模型验证精度mIoU值达0.899 2,提取结果具有良好的边缘精度且具有广泛的适用性,支持GF-1、ZY-3、GF-6、GF-2和Google Earth等影像。     

改进D-LinkNet模型在国产卫星影像云检测中的应用

大部分国产卫星波段少,利用传统方法难以进行云检测。本文提出了基于改进D-LinkNet模型的云检测算法,并应用于国产卫星遥感影像的云检测。首先,利用自然资源部国土卫星遥感应用中心提供的人工勾云样本生成二值图标签;其次,对D-LinkNet50的编码器进行改进,使用带有通道注意力机制的ResNeSt50-Block替换原始的ResNet50-Block;然后,对损失函数进行加权,测试分析发现只用交叉熵损失作为损失函数时,检测精度更高;最后,使用条件随机场（CRF）对预测结果进行后处理。试验结果表明,改进D-LinkNet模型在测试集上的IoU提升了1.93%,精度提升了2.45%,保持了较好的云边缘信息,云检测效果高于原D-LinkNet模型。