全文获取类型
收费全文 | 5205篇 |
免费 | 559篇 |
国内免费 | 465篇 |
专业分类
测绘学 | 1105篇 |
大气科学 | 334篇 |
地球物理 | 478篇 |
地质学 | 1502篇 |
海洋学 | 352篇 |
天文学 | 44篇 |
综合类 | 955篇 |
自然地理 | 1459篇 |
出版年
2024年 | 80篇 |
2023年 | 265篇 |
2022年 | 304篇 |
2021年 | 360篇 |
2020年 | 157篇 |
2019年 | 212篇 |
2018年 | 111篇 |
2017年 | 108篇 |
2016年 | 98篇 |
2015年 | 142篇 |
2014年 | 393篇 |
2013年 | 305篇 |
2012年 | 380篇 |
2011年 | 407篇 |
2010年 | 343篇 |
2009年 | 335篇 |
2008年 | 361篇 |
2007年 | 288篇 |
2006年 | 199篇 |
2005年 | 195篇 |
2004年 | 141篇 |
2003年 | 148篇 |
2002年 | 121篇 |
2001年 | 115篇 |
2000年 | 83篇 |
1999年 | 69篇 |
1998年 | 70篇 |
1997年 | 50篇 |
1996年 | 57篇 |
1995年 | 70篇 |
1994年 | 90篇 |
1993年 | 33篇 |
1992年 | 31篇 |
1991年 | 20篇 |
1990年 | 9篇 |
1989年 | 16篇 |
1988年 | 7篇 |
1986年 | 3篇 |
1985年 | 4篇 |
1984年 | 3篇 |
1983年 | 3篇 |
1981年 | 3篇 |
1980年 | 4篇 |
1978年 | 3篇 |
1977年 | 4篇 |
1976年 | 3篇 |
1958年 | 3篇 |
1957年 | 6篇 |
1948年 | 2篇 |
1942年 | 2篇 |
排序方式: 共有6229条查询结果,搜索用时 203 毫秒
31.
32.
33.
Sentinel-1A合成孔径雷达数据不受云、雾等天气条件的影响并具有丰富的纹理信息,为提取城市建设用地信息提供了一种新的数据源。本文发展了一种基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法。该方法的优势主要在于可以有效复合不同极化方式下的Sentinel-1A合成孔径雷达数据和综合集成多尺度特征。在甘肃省张掖市甘州区的应用表明,该方法的提取结果总体精度为92.50%,Kappa系数为0.85。与现有方法“KTH-Pavia城市提取器”相比,Kappa系数提高了37.10%,总体精度提高了11.50%。因此,该方法具有良好的应用潜力。 相似文献
34.
针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。 相似文献
36.
海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片(海雾、雨)的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。 相似文献
38.
39.
《测绘科学技术学报》2018,(6)
提出了一种小面阵辅助下的三线阵卫星影像区域网平差约束方法,该方法以天绘一号卫星三线阵影像严格成像模型为基础,将下视线阵影像的局部区域等效成面阵影像,根据等效面阵影像与小面阵影像上同名像点的坐标差异,增加区域网平差约束方程,实现小面阵影像辅助下的三线阵影像区域网平差处理,完成对等效框幅式平差方法的扩展。利用天绘一号卫星影像数据进行了实验和分析,结果表明,该方法能够以小面阵影像数据为辅助,实现三线阵影像的区域网平差处理和整体定位精度的提升。 相似文献
40.
利用主动深度学习提取极化SAR影像建筑区 总被引:2,自引:0,他引:2
针对利用传统监督分类方法从极化SAR影像中提取建筑区存在标记样本数量不足、难以挖掘有效特征等问题,提出一种主动学习与深度学习相结合的极化SAR影像建筑区提取方法。首先通过自动编码器对训练样本训练得到初始分类器;接着利用主动学习得到未标记样本中最富有信息量的样本进行人工标记;并将标记好的样本加入到训练样本中重新训练分类器。分别采用RADARSAT-2和ALOS-2极化SAR影像进行实验。结果表明传统的SVM方法和深度学习的方法加入主动学习后建筑区的提取精度都有所提高,而主动深度学习方法的提取效果优于主动SVM方法。 相似文献