全文获取类型
收费全文 | 368篇 |
免费 | 21篇 |
国内免费 | 8篇 |
专业分类
测绘学 | 265篇 |
大气科学 | 17篇 |
地球物理 | 9篇 |
地质学 | 21篇 |
海洋学 | 14篇 |
天文学 | 3篇 |
综合类 | 39篇 |
自然地理 | 29篇 |
出版年
2024年 | 7篇 |
2023年 | 41篇 |
2022年 | 38篇 |
2021年 | 28篇 |
2020年 | 24篇 |
2019年 | 18篇 |
2018年 | 15篇 |
2017年 | 14篇 |
2016年 | 23篇 |
2015年 | 12篇 |
2014年 | 24篇 |
2013年 | 18篇 |
2012年 | 23篇 |
2011年 | 14篇 |
2010年 | 16篇 |
2009年 | 10篇 |
2008年 | 16篇 |
2007年 | 8篇 |
2006年 | 5篇 |
2005年 | 9篇 |
2004年 | 11篇 |
2003年 | 10篇 |
2002年 | 3篇 |
2001年 | 6篇 |
2000年 | 1篇 |
1999年 | 1篇 |
1957年 | 2篇 |
排序方式: 共有397条查询结果,搜索用时 15 毫秒
391.
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。 相似文献
392.
393.
针对现有视障行人出行辅助方法缺乏对环境感知和路径动态优化的有效结合,视障导航缺乏有效动态避障手段的问题,该文提出一种场景语义感知的视障行人导航路径优化方法。该方法根据双目视觉感知周边障碍物的位置及特征,结合场景语义信息和三维坐标建立视障人群与环境的局部感知地图模型,利用改进的人工势场算法动态规划视障行人安全路径。实验结果表明,该文构建的感知地图模型在10 m内的平均坐标误差为2.49%。相比A*算法,改进人工势场算法的路径盲道利用率从7.85%提高到58.39%,最高路径碰撞系数从0.55降低到了0.24,具有更高的安全性和导航辅助能力。该方法能够有效增加视障行人导航方法的场景语义感知能力,提高视障导航路径规划的安全性。 相似文献
394.
以地下管廊、楼宇室内等为代表的遮蔽空间具有的狭长封闭物理结构以及复杂信道特征,给高精度定位导航带来了巨大挑战.本文针对遮蔽空间典型场景以及技术手段做了梳理和适应性分析,并对遮蔽空间高精度导航定位面临的问题和挑战进行了量化分析,对遮蔽空间定位系统后续发展进行了展望,设计了适用于遮蔽空间复杂环境下规模可伸缩定位导航系统架构.基于超宽带(ultra wide band,UWB)、北斗伪卫星、近超声定位等多模体制形成混合定位网络,可实现遮蔽空间全场景覆盖,相比目前常用的无线电定位系统,本文设计的定位导航系统架构在定位精度、覆盖性能等方面有显著提升. 相似文献
395.
变化检测旨在观测地物在不同时序中的表达差异。深度学习已成为实现这一任务的主流手段,现有基于深度学习的遥感变化检测方法中,普遍更专注于对图像中的深度特征进行学习,而忽略了不同层级特征之间语义优势及差距,从而导致检测性能不足。为此,本文提出了一种联合空间约束与差异特征聚合的变化检测网络,通过控制特征信息在网络中的流动,消除检测对象底层特征和高层语义信息之间差异性,提高预测结果的质量。首先,利用孪生网络并结合特征金字塔结构生成多尺度差异特征;然后,使用所提出的坐标自注意力机制(CSAM)对低层特征进行空间约束,强化对变化区域边缘结构及精确位置的学习,并结合经典的卷积注意力模块充分捕捉上下文变化信息;最后,使用门控融合机制提取通道关系,控制多尺度特征的融合,以生成边界清晰、内部完整的变化图像。在变化检测数据集CDD和LEVIR-CD上对本文方法进行了试验,与已有变化检测网络模型进行比较,本文方法在不同场景下均表现出最佳的检测效果。 相似文献
396.
为充分利用遥感影像的多尺度特征,解决遥感影像尺度差异、类间相似和类内差异等现象给高精度场景分类造成的困难,本文提出了一种注意力引导特征融合和联合学习的遥感影像场景分类方法。首先,利用深层卷积神经网络提取影像不同层次的特征图;然后,利用设计的残差注意力机制增强不同层次特征图的语义信息、抑制冗余噪声信息;最后,使用全局均值池化获取不同层次特征图的全局信息以构建特征向量,并将不同层次的特征向量融合,3个不同层次的特征向量及融合后的特征向量分别采用独立的全连接层进行分类。利用联合损失训练网络参数,采取多分类器决策级融合的方式提高预测的稳健性。在UC Merced、AID和NWPU-RESISC45数据集上的试验结果表明,本文方法显著改善了对相似场景及类内差异显著场景的辨识能力,与使用多尺度特征的同类型场景分类方法相比,总体分类精度分别提高0.84%、4.04%和4.43%。 相似文献