注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. road_detection_mtl：使用深度学习技术从遥感影像进行道路检测-源码

  2. 遥感影像的道路检测 这是Pantelis Kaniouras毕业项目的官方仓库，该项目用于荷兰代尔夫特理工大学的地理学硕士，题目是“遥感影像中的道路检测” 。 通过单击以下链接，您可以下载论文并阅读有关它的更多信息： : 摘要：道路网络地图有助于我们日常生活中的大量应用。 但是，它们的自动创建是一项艰巨的任务，到目前为止，已发布的方法无法提供可靠的解决方案。 常见且最新的方法是基于卷积神经网络从遥感图像设计道路检测算法，然后进行结果细化后处理步骤。 在这个项目中，我提出了一种深度学习模型，

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：47185920
    • 提供者：weixin_42121905

  1. 自适应旋转区域生成网络的遥感图像舰船目标检测

  2. 针对遥感图像中舰船形状狭长、分布杂乱等特性导致检测难度增大的问题,提出了一种基于快速区域卷积神经网络(Faster R-CNN)的舰船目标检测方法。采用双路网络提取舰船目标特征,为了使特征图充分融合底层细节信息和高层语义信息,用多尺度融合特征金字塔网络(MFPN)进行特征融合;在候选框生成阶段,提出了自适应旋转区域生成网络(AR-RPN),集中在目标中心位置生成旋转锚框,以高效获取优质的候选框。为了提升网络对舰船目标的检测率,结合改进的损失函数对网络进行优化。在HRSC2016和DOTA舰船数据

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：9437184
    • 提供者：weixin_38747087

  1. 基于深度学习神经网络的SAR星上目标识别系统研究

  2. 星载合成孔径雷达(SAR)对地遥感成像具有全天候、全天时工作的优势，然而SAR图像的处理比光学图像复杂，降低了SAR图像应用的时效性。针对SAR图像的星上数据处理和目标识别问题，设计了基于卷积神经网络（CNN）的SAR图像目标智能识别系统，实现星地联合的星下增量学习、模型训练和星上目标检测功能。首先对SAR图像进行预处理，得到训练用的目标图像数据；然后设计了具有七层结构的CNN模型对SAR图像进行目标定位、识别和分类；最后，为了使训练后的CNN模型能部署到卫星上使用，设计了一种深度压缩算法对模型

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：1048576
    • 提供者：weixin_38612648

  1. 基于神经网络的高分辨率快速目标检测方法

  2. 随着航天技术的发展，对快速、准确检测高分辨率遥感图像中各类目标的技术要求越来越迫切；近年来，人工智能技术发展迅速，卷积神经网络（CNN）得到广泛的研究和应用。针对目前航天技术的要求，提出一种基于Faster R-CNN网络的遥感图像快速目标检测方法，利用深度学习网络自主提取图像特征的优点，降低了人工提取特征不能充分描述图像信息的不足，解决了特征提取鲁棒性和智能化不足的问题。利用2 000张图片作为训练数据，实现了飞机目标95%、海面背景下舰船目标85%的检测准确率，相比于单词模型和DPM模型平均

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：1048576
    • 提供者：weixin_38681301

  1. 基于改进旋转区域生成网络的遥感图像目标检测

  2. 为了实现遥感图像中目标的快速准确检测,解决遥感图像目标带有旋转角度的问题,在卷积神经网络理论的基础上,将旋转区域网络生成融入到Faster R-CNN网络中,提出了一种基于Faster R-CNN改进的遥感图像目标检测方法。相对于主流目标检测方法,本文算法针对遥感图像中的大多数目标都具有方向性不定且相对聚集的特点,在区域候选网络中加入了旋转因子,以便能够生成任意方向的候选区域;同时,在网络的全连接层之前增加一个卷积层,以降低其特征图参数,增强分类器的性能,避免出现过拟合。将本文算法与几种主流目标

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：15728640
    • 提供者：weixin_38692100

  1. 基于优化区域卷积神经网络的机场区域检测

  2. 机场区域因为其特殊性对民用和军用都具有重大意义。基于机器自主识别的机场区域检测方法是目前主流的检测方法,针对传统检测算法对机场区域遥感图像中多类别、多尺度、多视角以及复杂背景下检测鲁棒性不足的问题,本文提出了一种优化的区域卷积神经网络检测算法。首先,构建了一个相比传统数据集包含更多尺度、视角、类别和复杂背景等条件下的机场区域7类典型目标数据集并进行了优化处理,为模型算法的监督训练和调节奠定了基础;然后,根据所检测目标的特性以及网络的局限性,使用差异值法生成anchor、复杂负样本筛选以及加入先验

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：6291456
    • 提供者：weixin_38586428

  1. 基于卷积神经网络的遥感图像目标检测

  2. 针对遥感图像中的目标检测问题，采用基于卷积神经网络的目标检测框架对目标进行提取，针对该网络制作了包含三类遥感图像中常见目标的目标检测数据集。为了解决遥感图像目标旋转角度较大的问题，将空间变换网络融入超快区域卷积神经网络，提出了一种具有旋转不变性自学习能力的目标检测模型。通过与传统的目标检测方法进行对比分析，探究了不同方法对遥感图像目标检测的实际效果。相对于传统的目标检测方法，融合了空间变换网络的卷积神经网络所提取的特征具有更好的旋转不变特性，从而能够达到更高的检测精度。

  3. 所属分类：其它

    • 发布日期：2021-01-25
    • 文件大小：1048576
    • 提供者：weixin_38513669