排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。 相似文献
2.
传统基于光谱信息的水体提取未能考虑水体形状、纹理、大小、相邻关系等问题,且存在同物异谱、异物同谱现象,导致水体提取精度较低。而传统基于分类提取水体方法设计特征过程较为繁琐,且不能挖掘深度信息特征。因此,本文提出改进的U-Net网络语义分割方法,借鉴经典U-Net网络的解编码结构对网络进行改进：① 将VGG网络用于收缩路径以提取特征;② 在扩张路径中对低维特征信息进行加强,将收缩特征金字塔上一层的特征图与下一层对应扩张路径上的特征图进行融合,以提高提取结果分割精度;③ 在分类后处理中引入条件随机场,以将分割结果精细化。在保持相同训练集、验证集和测试集的情况下,分别用SegNet、经典U-Net网络和改进的U-Net网络做对照试验。试验结果表明,改进的U-Net网络结构在IoU、精准率和Kappa系数指标上均高于SegNet和经典U-Net网络,与SegNet相比,3项指标分别提升了10.5%、12.3%和0.14,与经典U-Net网络结果相比,各个指标分别提升了5.8%、4.4%和0.05。改进的网络水体提取结果较为完整,对小目标水体能够准确提取。改进的U-Net网络能够有效地实现水体提取任务。 相似文献
3.
基于改进两步移动搜索法的县域医疗卫生服务空间可达性研究 总被引：1，自引：1，他引：1
针对县域医疗卫生服务设施的空间布局问题,应用改进两步移动搜索法对德清县医疗卫生服务的空间可达性进行评价。具体改进包括：引入核密度型距离衰减函数对两步移动搜索法进行扩展、考虑医疗设施资源的未充分利用、对不同规模等级医疗机构设置不同服务阈值。计算结果表明：① 浙江省德清县域医疗卫生服务空间可达性呈圈层式空间分布特征,高可达性区域主要集中于县城及邻接区域,边缘地区缺医明显;② 基于改进两步移动搜索法和传统两步移动搜索法的可达性计算结果具有不同的整体特征,但前者可达性计算结果及空间分布更符合实际。 相似文献
4.
1.前言把粘结型应变仪胶接在锯山观测所坑道内壁的岩石表面上,通过测定电阻率变化,得以测到1×10~(-9)的地壳应变。这种应变仪最初只是以打点方式进行记录。从1985年6月起使用高灵敏度的模数转換器和微型计算机后,可以把观测数据记录在软盘里。现将根据记录在软 相似文献
1