改进注意力机制的遥感地貌识别算法     

张朕通  单玉刚  袁杰 《测绘通报》2020,(10):93

对遥感地貌进行识别，近年来一直是遥感图像应用领域的研究热点。使用深度学习算法识别遥感影像具有比传统方法更高的准确率和稳健性。针对遥感影像中目标复杂度高、特征信息多等问题，本文提出了一种基于改进注意力机制的遥感图像识别算法，即将并联注意力机制（CS）和神经网络模型相结合，借助弱监督学习来辅助训练。同时采用双损失函数来缓解数据过拟合问题。试验结果表明，本文模型总精度为98.35%，Kappa系数达0.95，优于其他深度学习算法，能有效地识别出自然地貌。  相似文献   

影像测量仪的光学成像误差分析及计算   总被引：1，自引：0，他引：1  

陈志军  王小章  李剑锋 《测绘科学》2009,34(4)

对光学影像测量仪的光学成像误差,特别对摄像镜头的畸变误差进行了研究。运用标准模版标定法,计算出镜头成像的各项畸变参数,分析了畸变误差大小及其分布状况。应用畸变参数对测量结果进行校正,结果表明,径向畸变较大,切向畸变和薄棱镜畸变较小,且图像中心区域畸变很小,边缘畸变增大。在精密测量中需要考虑到畸变的影响,并对所测得的图像坐标进行修正。  相似文献   

基于CT胸部图像肺结核球的定位   总被引：1，自引：0，他引：1  

伊力亚尔·达吾提  哈力旦 《CT理论与应用研究》2012,21(1):61-65

随着医学图像处理的快速发展,病灶区定位在医学应用中越来越引起人们的关注。以CT图像为研究对象,针对肺结核球的定位问题,先对预处理过的CT图像利用阈值技术二值化,采用形态滤波去除小桥,然后将每个连通区域标记出来。最终通过包括面积、周长、位置参数及形状参数等特征的决策器来判断确定肺结核球区域,并且定位出病灶区位置。  相似文献   

基于XGBoost算法的电网二次设备缺陷分类研究     

陈凯  南东亮  孙永辉  夏响 《南京气象学院学报》2019,11(4):483-489

电网二次设备缺陷严重程度的精确判断可为设备的运行和维护提供重要依据.针对电网二次设备缺陷数据特征量多、人为判断难度大、易出错等问题,提出基于XGBoost（eXtreme Gradient Boosting）的二次设备缺陷分类方法,提高二次设备缺陷分类的准确率.首先,对二次设备历史缺陷数据进行去异常值、编码等一系列预处理工作,并筛选出与设备缺陷相关性高的特征建立特征指标集;然后,利用历史缺陷数据对XGBoost模型进行训练和参数寻优;最后,用训练好的分类模型实现二次设备缺陷的准确分类.本文采用某电厂二次设备缺陷数据对所提算法进行算例分析,并与传统分类器（决策树、逻辑回归等）进行比较,结果表明XGBoost可以实现对二次设备缺陷程度的精确判断,进而可以很好地辅助检修人员进行设备的维护与管理.  相似文献