排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
深度学习方法可有效提高传统基于遥感影像的设施农业典型地物识别与提取方法的结果精度,对传统农业的转型和发展意义重大。本文针对遥感影像大背景小目标的特点,以及设施农业典型地物的图像特征,结合深度残差思想和Faster R-CNN提出DRTOMA算法：首先,使用深度残差网络作为其基础特征提取网络,以此获得更深层次的图像特征,并抑制网络退化和衰退问题;然后在残差单元和全连接层之间加入改进的空间金字塔池化层,从而去除输入图像固定大小的限制,增加网络对图像尺度的敏感度;最后,在全连接层间添加dropout层,减少网络计算的复杂度,提升抗过拟合效果。仿真结果表明：同部分已有的检测算法相比,DRTOMA算法的平均识别准确率和召回率均取为最优,分别为91.87%和90.63%;在最优识别精度近似的情况下,DRTOMA算法比Faster R-CNN算法的召回率高约2%,网络更易收敛,训练难度较低。综上所述,DRTOMA算法是一种有效可行的设施农业典型地物检测方法。 相似文献
2.
针对互联网上旅游信息量飞速增长导致旅游者难以从海量大数据中检索出有效信息的问题,该文为帮助旅游者从众多Web旅游网站中高效地获取想要的地理信息,基于开源的Nutch搜索引擎框架,结合旅游领域与地理信息的特性,对原有搜索引擎框架的索引及搜索方法模块进行改造,通过设计基于词典的双向最大匹配模型对地理信息进行分词,并集成到Nutch搜索引擎框架的分词模块中,构建出面向旅游领域地理信息的垂直搜索引擎。最后,利用GIS技术,设计并实现了一个旅游地理信息垂直搜索系统,对旅游地理信息搜索服务进行了验证。 相似文献
1