面向高分遥感影像道路提取的轻量级双注意力和特征补偿残差网络模型     

陈振  陈芸芝  吴婷  李佳优 《地球信息科学学报》2022,24(5):949-961

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResUnet模型。该模型在ResUnet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性能和时空复杂度上的平衡。其中,双注意力模块可以增强模型的特征提取能力,特征补偿模块可以融合网络中来自深浅层的道路特征。在DeepGlobe和GF-2道路数据集上的实验结果表明,DAFCResUnet模型的IoU和F1-score可以达到0.6713、0.8033和0.7402、0.8507,模型的整体精度优于U-Net、ResUnet和VNet模型。与U-Net和ResUnet模型相比,DAFCResUnet模型仅增加了少量的计算量和参数量,但IoU和F1-score均有较大幅度的提高;与VNet模型相比,DAFCResUnet模型在计算量和参数量远低于VNet的情况下取得了更高的精度,模型在精度和时空复杂度两方面均有优势。相比其他对比模型,DAFCResUnet模型具有更强的特征提取和抗干扰能力,能更好解决道路上的干扰物、与道路特征相似地物、树荫或阴影遮挡等造成的道路空洞、误提和漏提现象。  相似文献   

2020-07-12河北唐山M_S5.1地震震源参数及发震构造分析     

周依  王想  孙丽娜 《大地测量与地球动力学》2022,42(2):172-175

基于河北区域数字地震台网资料,采用CAP波形反演方法计算2020-07-12唐山M_S5.1地震的震源机制解,同时采用sPL深度震相方法对震源深度进行精确测定。结果显示,唐山M_S5.1地震震源机制解节面Ⅰ走向143°、倾角83°、滑动角-14°,节面Ⅱ走向235°、倾角76°、滑动角-173°;sPL深度震相方法测定的主震震源深度为14 km,与CAP波形反演方法的计算结果一致。结合地震序列分布特征、等震线形态、区域地质构造及深地震反射剖面等资料分析认为,节面Ⅱ为发震断层面,并推测此次地震的发震断层为唐山-古冶断裂。  相似文献   

河南省测绘地理信息技术中心开展“能力作风建设年”动员部署工作会     

吴荒源 《资源导刊(河南)》2022,(2)

1月24日,河南省测绘地理信息技术中心召开“能力作风建设年”活动部署动员会议。河南省自然资源厅党组成员,河南省测绘地理信息技术中心党委书记、主任刘济宝,河南省测绘地理信息技术中心党委委员、副主任毛忠民,中心党委委员、纪委书记何晨,中心党委委员、副主任黄松涛参加会议。会议指出,开展“能力作风建设年”活动,是深入贯彻习近平总书记关于能力作风建设重要论述的具体行动,是深入贯彻党的十九届六中全会精神、深化党史学习教育的有效载体.  相似文献   

全省自然资源系统开展“能力作风建设年”活动推进会要求 聚焦重点关键 强化担当实干 推动能力作风建设持续抓深走实     

张中强 《资源导刊(河南)》2022,(3)

本刊讯1月24日,河南省自然资源厅召开全系统开展“能力作风建设年”活动推进会,深入学习贯彻党的十九届六中全会精神和习近平总书记关于加强作风建设重要论述,认真落实省第十一次党代会、省委经济工作会议、省“两会”和全省开展“能力作风建设年”活动动员部署会议精神,部署推进全系统“能力作风建设年”活动。  相似文献   

利用深度学习融合NWP和多源观测数据的闪电落区短时预报方法     

周康辉  郑永光  王婷波 《气象学报》2021,79(1):1-14

强对流短时预报（2—6 h）具有较大难度。一方面,基于观测数据的外推已基本不可用;另一方面,高分辨率数值模式（High-resolution Numerical Weather Prediction,HNWP）的预报性能有待提升。利用深度学习方法,将卫星、雷达、云-地闪电（简称闪电）等观测数据和高分辨率数值模式预测数据进行融合,得到更有效的闪电落区短时预报结果。基于多源观测数据和高分辨率数值天气预报数据的特性,构建了一个双输入单输出的深度学习语义分割模型（LightningNet-NWP）,使用了包括闪电密度、雷达组合反射率拼图、卫星成像仪6个红外通道,以及GRAPES_3km模式预报的雷达组合反射率等共9个预报因子。深度学习模型使用了编码-解码的经典全卷卷积结构,并使用池化索引共享的方式,尽可能保留不同尺度特征图上的细节特征信息;利用三维卷积层提取观测数据时间和空间上的变化特征。结果表明,LightningNet-NWP能够较好地实现0—6 h的闪电落区预报,具备比单纯使用多源观测数据、高分辨率数值模式预报数据更好的预报结果。深度学习能够有效实现多源观测数据和数值天气预报数据的融合,在2—6 h时效预报效果优于单独使用观测数据或数值天气预报数据;预报时效越长,融合的优势体现得越明显。   相似文献   

基于深度学习的天气雷达回波序列外推及效果分析     

黄兴友  马玉蓉  胡苏蔓 《气象学报》2021,79(5):817-827

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。   相似文献   

基于智能物联网技术的天津城市积水监测预警系统     

侯天宇  梁好  霍凯  赵敏  陈子煊  张春莉  苑超 《气象研究与应用》2021,(1):85-89

通过智能物联网技术实时获取积水监测实况数据,利用天津市气象精细化格点预报产品和城市自动雨量观测站实况数据,以机器学习、神经网络模型和天津市城市内涝风险等级划分原理为基础,研究基于用户实时位置的城市内涝预报预警技术,研发天津市城市自动化积水监测预警系统。结果表明,该系统具备一定的城市内涝风险监测预警预报能力,并在2018—2020年多次重大天气过程中应用,积水深度预报结果与监测结果基本一致,应用数据表明验证结果良好,系统可以为政府防灾减灾决策、指挥调度提供精准、及时的气象数据支撑。  相似文献   

2019年河南淅川ML 4.2地震震源深度测定     

郑培玲  付靖  万娜  高家乙  贾漯昭 《地震地磁观测与研究》2022,43(3):33-37

采用震源深度测定的确定性方法（PTD）和震源机制CAP反演法,对2019年11月30日河南淅川丹江口水库发生的M_L 4.2地震进行分析,重新计算了此次地震的震源深度。结果表明,2种方法所得到的震源深度基本一致,均约为7.0 km,与中国地震台网中心统一编目结果（7.1 km）相差不大,此结果可能表明地震监测台网相对较好的情况下,用不同方法测得的震源深度相差不大。  相似文献   

基于深度能量模型的低剂量CT重建     

朱元正  吕启闻  官瑜  刘且根 《CT理论与应用研究》2022,31(6):709-720

降低计算机断层扫描（CT）的剂量对于降低临床应用中的辐射风险至关重要,深度学习的快速发展和广泛应用为低剂量CT成像算法的发展带来了新的方向。与大多数受益于手动设计的先验函数或有监督学习方案的现有先验驱动算法不同,本文使用基于深度能量模型来学习正常剂量CT的先验知识,然后在迭代重建阶段,将数据一致性作为条件项集成到低剂量CT的迭代生成模型中,通过郎之万动力学迭代更新训练的先验,实现低剂量CT重建。实验比较,证明所提方法的降噪和细节保留能力优良。   相似文献   

深度学习重建算法在上腹部CT成像中的应用     

温德英  杨杰尹  汪琴  李臻  王寒箫  汪艾杰  邓巧  唐露  伍希  姚晋  卢春燕  孙家瑜 《CT理论与应用研究》2022,31(3):329-336

目的:通过分析比较自适应统计迭代重建（ASIR）算法和深度学习重建（DLIR）算法在上腹部CT成像中的图像质量,探讨DLIR算法在上腹部CT成像中的应用价值。方法:回顾性纳入75例患者上腹部CT平扫图像,利用自适应统计迭代重建算法ASIR（30％、50％、70％、90％）和深度学习重建算法（DL-L、DL-M、DL-H）重建图像,共7组。测量每组图像肝脏、胰腺、竖脊肌的CT值和SD值,并计算信噪比（SNR）和对比噪声比（CNR）,采用单因素方差分析对各指标进行客观评价;同时由两位放射医师对图像质量和噪声评分,采用Friedman M检验进行比较。结果:①七组重建图像的SD值、SNR、肝脏CNR差异有统计学意义。②DL-L与ASIR 50％、DL-M与ASIR 70％、DL-H与ASIR 90％ 间各ROI处CT值、SD值、SNR值、CNR值无差异。③三种深度学习重建算法间随等级升高,SNR值升高,差异有统计学意义;且DL-H 算法的SNR值高于ASIR 30％、ASIR 50％,SD值低于除ASIR 90％ 外的其余5组重建算法。④七组图像主观评分差异有统计学意义,算法DL-H具有最佳的图像质量和最低的噪声,DL-M、ASIR 90％、DL-L、ASIR 70％、ASIR 50％、ASIR 30％ 图像噪声依次增加。结论:深度学习重建算法能够降低上腹部图像噪声,提高图像质量,且随等级升高,图像噪声降低、质量提高、信噪比升高。   相似文献