面向遥感影像语义分割的深度学习训练样本增强方法.pdf

面向弱小目标检测的遥感影像深度学习训练样本增强方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113392782 B (45)授权公告日 2022.06.17 (21)申请号 202110677543.7 G06N 3/08 (2006.01)

2023-06-17 约1.75万字 19页立即下载

基于深度学习的遥感影像语义分割方法研究.docx 基于深度学习的遥感影像语义分割方法研究一、研究背景 遥感影像包含了丰富的地表信息，在城市规划、农业监测、生态评估等众多领域有着广泛应用。语义分割作为从遥感影像中提取有用信息的关键技术，旨在将影像中的每个像素划分到对应的语义类别中。传统的语义分割方法依赖人工设计的特征，在面对复杂多变的遥感影像时，精度和效率难以满足实际需求。深度学习技术的兴起，为遥感影像语义分割带来了新的突破，其强大的特征自动学习能力，能有效提升分割精度和效率，成为当前研究的热点。二、深度学习方法在遥感影像语义分割中的应用卷积神经网络（CNN）：CNN是深度学习的核心架构之一，通过卷积层、池化层和全连接层的组合，自动提取

2025-02-19 约1.37千字 2页立即下载

一种面向遥感图像语义分割的深度学习模型的训练方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112990365 B (45)授权公告日 2021.08.17 (21)申请号 202110434453.5 G06K 9/34 (2006.01)

2023-06-09 约1.27万字 12页立即下载

基于深度学习的遥感影像语义分割论文.docx 基于深度学习的遥感影像语义分割论文摘要：随着遥感技术的快速发展，遥感影像在地理信息系统、城市规划、环境监测等领域发挥着越来越重要的作用。深度学习作为一种强大的机器学习技术，在遥感影像处理领域取得了显著成果。本文旨在探讨基于深度学习的遥感影像语义分割技术，分析其研究背景、关键技术、应用领域及未来发展趋势。通过对深度学习在遥感影像语义分割中的应用进行综述，为相关领域的研究提供参考。关键词：深度学习；遥感影像；语义分割；地理信息系统；城市规划一、引言（一）研究背景 1.遥感影像的广泛应用 1.1遥感影像在地理信息系统中的应用 遥感影像是地理信息系统（GIS）中重要的数据来源，广泛应用于资源调

2025-04-04 约5.15千字 11页立即下载

基于平衡化深度学习和多源遥感影像的地物语义分割方法研究.docx 基于平衡化深度学习和多源遥感影像的地物语义分割方法研究一、引言随着遥感技术的不断发展和普及，多源遥感影像在地理信息科学、城市规划、环境监测等领域的应用越来越广泛。然而，由于遥感影像的复杂性和多样性，如何准确地从海量数据中提取有用的地物信息成为了一个亟待解决的问题。地物语义分割作为遥感影像处理的关键技术之一，其准确性和效率直接影响到后续应用的效果。因此，本文提出了一种基于平衡化深度学习和多源遥感影像的地物语义分割方法，旨在提高地物分割的准确性和鲁棒性。二、相关技术背景 2.1深度学习 深度学习是一种基于神经网络的机器学习方法，其在计算机视觉、自然语言处理等领域取得了显著的成果。在遥感影像

2025-01-25 约4.14千字 9页立即下载

基于深度学习的高分辨率遥感影像语义分割方法研究.docx 基于深度学习的高分辨率遥感影像语义分割方法研究一、引言随着遥感技术的快速发展，高分辨率遥感影像在资源监测、环境评估、城市规划等领域的应用越来越广泛。如何从海量的遥感影像中提取有用的信息，成为了研究的热点问题。其中，语义分割是遥感影像处理的重要环节，它能够将影像中的不同地物进行分类和识别。近年来，深度学习技术在计算机视觉领域取得了显著的成果，为高分辨率遥感影像的语义分割提供了新的思路和方法。本文旨在研究基于深度学习的高分辨率遥感影像语义分割方法，为相关领域的研究和应用提供参考。二、深度学习与遥感影像语义分割 深度学习是一种模拟人脑神经网络的学习方法，通过构建多层神经网络来提取数据的特征。在

2025-05-05 约4.94千字 10页立即下载

一种基于深度学习的高分辨率遥感影像语义分割方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112991354 A (43)申请公布日 2021.06.18 (21)申请号 202110271050.3 (22)申请日 2021.03.11 (71)申请人东北

2023-06-11 约2.04万字 21页立即下载

基于深度高斯混合模型的遥感影像语义分割方法研究.docx 基于深度高斯混合模型的遥感影像语义分割方法研究一、引言遥感技术作为地球观测的重要手段，已经广泛应用于资源调查、环境监测、城市规划等多个领域。随着遥感技术的不断发展，遥感影像的分辨率和覆盖范围也在不断提高和扩大，从而产生了海量的遥感数据。如何有效地从这些数据中提取出有用的信息，成为了一个亟待解决的问题。其中，遥感影像语义分割是一项重要的技术，它可以将遥感影像中的不同地物进行分类和识别，为后续的应用提供基础数据支持。近年来，基于深度学习的方法在遥感影像语义分割中得到了广泛的应用，而深度高斯混合模型作为一种有效的深度学习模型，在遥感影像语义分割中具有很大的潜力。本文旨在研究基于深度高斯混合模型的

2025-05-05 约4.26千字 9页立即下载

基于增量学习的高分辨率遥感影像语义分割方法研究.docx 基于增量学习的高分辨率遥感影像语义分割方法研究一、引言随着遥感技术的不断发展，高分辨率遥感影像的应用越来越广泛。然而，高分辨率遥感影像的数据量大、信息丰富，如何有效地对其进行语义分割是一个重要的问题。传统的语义分割方法往往需要大量的标注数据和计算资源，而增量学习方法可以在不断学习的过程中逐步优化模型，减少对计算资源和标注数据的依赖。因此，本文提出了一种基于增量学习的高分辨率遥感影像语义分割方法。二、相关工作近年来，深度学习在遥感影像处理中得到了广泛应用，其中包括语义分割任务。传统的语义分割方法通常使用全监督学习，需要大量的标注数据。然而，高分辨率遥感影像的标注成本高、周期长，且数据更新

2025-06-07 约4.62千字 9页立即下载

自学习驱动下随机场与CNN协同的遥感影像语义分割.pdf 摘要遥感技术的不断发展使得人们可以获得空间分辨率更高、波段更多、回访周期更短 的遥感影像.充分利用遥感影像中的信息并对其进行精确分类,在精细农业、目标识别、灾害监测等领域均有着重要意义.近年来卷积神经网络(ConvolutionalNeuralNetworks, CNN)在遥感影像中广泛应用于语义分割,取得了巨大的成功.然而,在异质性的地球表层系统中,同类地物特征往往具有地域性,会随着区域的变化而发生改变,有些地物特征也会随时间变化而改变,

2024-12-25 约12.42万字 65页立即下载

一种基于并行空洞卷积的遥感影像语义分割方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112837320 A (43)申请公布日 2021.05.25 (21)申请号 202110129416.3 G06N 3/08 (2006.01)

2023-06-04 约1.2万字 10页立即下载

一种基于多源异构遥感影像的语义分割方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112819837 A (43)申请公布日 2021.05.18 (21)申请号 202110216067.9 (22)申请日 2021.02.26 (71)申请人南京

2023-06-07 约1.16万字 10页立即下载

基于语义分割的遥感影像道路提取方法研究.docx 基于语义分割的遥感影像道路提取方法研究一、引言随着遥感技术的快速发展，遥感影像在地理信息提取、城市规划、交通管理等领域的应用越来越广泛。其中，道路作为重要的地理信息之一，其提取的准确性和效率对于后续应用具有重要意义。传统的遥感影像道路提取方法主要依赖于人工设计和提取特征，但这种方法在处理复杂场景和大量数据时存在局限性。近年来，基于深度学习的语义分割技术在遥感影像处理中得到了广泛应用，为道路提取提供了新的思路。本文将重点研究基于语义分割的遥感影像道路提取方法。二、遥感影像与语义分割技术概述 2.1遥感影像 遥感影像是通过卫星、飞机等平台获取的地球表面信息图像。在遥感影像中，道路通常表现为线

2025-05-25 约4.56千字 9页立即下载

深度学习赋能下多源遥感数据语义分割的方法与实践探索.docx 深度学习赋能下多源遥感数据语义分割的方法与实践探索一、引言 1.1研究背景与意义随着遥感技术的飞速发展，多源遥感数据获取变得日益便捷。多源遥感数据涵盖了光学、雷达、热红外等多种类型，它们从不同角度、以不同方式记录了地球表面的信息。这些数据具有丰富的空间、光谱和时间分辨率，能够为地球科学研究、资源管理以及环境监测等领域提供全面且细致的信息支持。在资源监测领域，多源遥感数据语义分割起着不可或缺的作用。以森林资源监测为例，通过对光学遥感影像进行语义分割，可以准确识别出森林的分布范围、面积大小以及植被覆盖度等信息；结合雷达遥感数据，还能进一步了解森林的垂直结构、生物量等参数，从而实现对森林资源

2025-03-06 约3.83万字 30页立即下载

一种基于U-NET的深度学习遥感图像语义分割方法及系统.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113392845 A (43)申请公布日 2021.09.14 (21)申请号 202110662122.7 (22)申请日 2021.06.15 (71)申请人广州观必达数据技术有限责任公司

2023-06-20 约1.98万字 17页立即下载