教师吟诗作赋 学生爱屋及乌     

吕丕刚 《地理教学》2005,(7):41

初中地理与高中地理的不同点之一，表现在地理事实多一些，地理原理少一些。也就是常说的初中地理多讲“有什么”，高中地理多讲“为什么”。初中地理大量的“有什么”，如果处理不好，容易降低学生学习兴趣。我利用自身吹拉弹唱、吟诗作赋的才艺，尽可能使单调的地理课堂变得生动、幽默，使学生爱屋及乌、爱我及“地”。比如，学习第二章中国的“地势和地形”这一节时，我把我写得“中国地形赞”投影出来，用于新课导人和课堂小结。  相似文献   

看图行天下：自主学习国家地理的尝试     

何刚 《地理教学》2005,(1):30-31

学会“看”图是培养学生自主学习能力的有效途径。传统的做法是教师教学生阅读地图上的主要信息，要求学生记住一些地图符号，告诉学生该怎样分析这些信息。这一过程是将学生作为一个被动学习的接收体，忽略了对学生自主学习方法和能力的培养，如果离开了教师和课堂，学生就很难独立完成学习。  相似文献   

一种景观照片注意力土地利用语义获取方法     

徐世武  李亭谕  白晓飞  吴瀚 《测绘科学》2021,46(12):210-218

  相似文献   

浅议地理教学中的乡愁教育     

文远金 《地理教学》2019,(13)

  相似文献   

一种多层特征融合的道路场景实时分割方法     

周继苗  李必军  陈世增 《测绘通报》2020,(1):10-15

道路场景理解是自动驾驶领域中重要模块之一，它可以提供关于道路更丰富的信息，对于建立高精度地图和实时规划都具有重要作用。其中，语义分割可以为图像每个像素赋予类别信息，是自动驾驶场景理解中最常用的方法。但是，目前常用的语义分割算法在速度和精度上大都不能达到很好的平衡。本文在MobileNetV2的基础上，提出了一种多层次特征融合的方法，使得网络可以在实时运行的同时保证精度满足实际应用的需求，并在Cityscapes数据集上进行了试验验证和分析。  相似文献   

复杂卫星图像中的小目标船舶识别   总被引：1，自引：1，他引：0  

姚红革  王诚  喻钧  白小军  李蔚 《遥感学报》2020,24(2):116-125

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。  相似文献   

低空摄影测量立体影像匹配的现状与展望     

陈晓勇  何海清  周俊超  安谱阳  陈婷 《测绘学报》2019,48(12):1595-1603

影像匹配是在两幅或多幅具有重叠度的影像中通过特定的算法提取影像间同名点的过程,是低空摄影测量数据处理中最为关键的步骤,匹配质量与效率直接影响到后续数据处理的成功与否,关系到测绘产品生成质量。本文系统阐述了低空摄影测量影像匹配的研究现状与展望。对影像匹配的分类进行总结和归纳,大体上,影像匹配可划分为两大类,即基于灰度和基于特征的匹配。重点针对基于特征的影像匹配,从点、线、面等特征提取算法及特征描述符和相似性测度与策略等方面进行了详细阐述。此外,列举最新的基于深度学习的影像匹配算法,对低空平台搭载的多样化传感器数据融合可能涉及的影像匹配方法进行了展望。  相似文献   

基于深度残差网络的机载LiDAR点云分类     

赵传  郭海涛  卢俊  余东行  张保明 《测绘学报》2020,49(2):202-213

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。  相似文献   

加权空-谱联合保持嵌入的高光谱遥感影像降维方法     

黄鸿  石光耀  段宇乐  张丽梅 《测绘学报》2019,48(8):1014-1024

高光谱遥感影像数据量大、波段数多，容易导致"维数灾难"。传统流形学习方法一般仅考虑其光谱特征，忽略了空间信息。为此提出一种非监督的基于加权空-谱联合保持嵌入（WSCPE）的维数约简算法。首先采用加权均值滤波（WMF）方法对高光谱影像进行滤波，以消除噪点和背景点的干扰。然后根据遥感影像地物分布的空间一致性，通过采用加权空-谱联合距离（WSCD）来融合像素点的光谱信息和空间信息，有效选取各像素点的空-谱近邻，并根据像素点与其空-谱近邻点之间的坐标距离来有区别的利用其近邻点进行流形重构，提取低维鉴别特征进行地物分类。在PaviaU和Indian Pines数据集上的分类结果表明，总体分类精度分别达到了98.89%和95.47%。该方法在反映影像内部流形结构的同时，有效融合了影像的空间-光谱信息，故能提高影像特征的鉴别性，并提升分类性能。  相似文献   

基于支持向量机的GNSS时间序列预测          下载免费PDF全文

邓永春  徐跃  徐丹丹  贾雪  田先才 《全球定位系统》2019,44(2):70-75

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型．通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果．   相似文献