期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
深度学习的遥感影像舰船目标检测
被引量：
19
1
作者
赵江洪
张晓光
+5 位作者
杨璐
马思宇
王
殷
瑞
董岩
孙铭悦
陈朝阳
《测绘科学》
CSCD
北大核心
2020年第3期110-116,134,共8页
针对传统舰船检测方法中流程繁琐,速度较慢且对于复杂背景区域的检测精度较低等问题,该文提出了一种改进的Faster R-CNN深度神经网络端到端自动检测方法。该方法通过数据增强技术对数据集进行扩充,使用深度残差网络ResNet替代传统平网络...
针对传统舰船检测方法中流程繁琐,速度较慢且对于复杂背景区域的检测精度较低等问题,该文提出了一种改进的Faster R-CNN深度神经网络端到端自动检测方法。该方法通过数据增强技术对数据集进行扩充,使用深度残差网络ResNet替代传统平网络VGG-16对数据集进行特征提取,在区域生成网络中针对舰船目标长宽比较高的特点修改了标定框的长宽比,较好地解决了传统检测方法步骤繁琐,速度较慢等缺点,实现了对遥感影像舰船目标的自动检测。实验结果表明,改进后的Faster R-CNN检测算法能够对遥感影像中的舰船目标进行快速的精确检测,准确率可达92.3%,检测速度达到每秒5帧。即使在面对遥感影像背景复杂、目标局部遮挡问题时也能准确识别。和传统的ENVI与eCognition分类手段相比,该方法提升了目标检测效果和识别效率,Faster R-CNN检测算法相比该方法提升了检测精度。
展开更多
关键词
遥感影像
舰船检测
深度学习
卷积神经网络(CNN)
残差网络
原文传递
三维点云孔洞修复方法综述
被引量：
11
2
作者
赵江洪
孙铭悦
+2 位作者
王
殷
瑞
窦新铜
张晓光
《测绘科学》
CSCD
北大核心
2021年第1期114-123,共10页
针对点云数据缺失问题,该文综合国内外大量点云修复技术研究。三维模型构建在自动驾驶、逆向工程领域中发挥越来越大的作用,三维点云数据是其中的重要数据源。利用三维激光扫描设备,可以高效、准确、实时的获取被测物体表面三维空间坐...
针对点云数据缺失问题,该文综合国内外大量点云修复技术研究。三维模型构建在自动驾驶、逆向工程领域中发挥越来越大的作用,三维点云数据是其中的重要数据源。利用三维激光扫描设备,可以高效、准确、实时的获取被测物体表面三维空间坐标。但是由于模型物体遮挡或者环境等原因,不可避免的会出现点云缺失的状况,这会对物体三维重建等后续处理造成一定的影响。然而,在三维点云孔洞修复方面还缺少比较系统完善的综述。本文从基于几何、基于模型检索、基于深度学习3个方面对当前主流的对修复技术进行了综合分析。文章对3种修复方法进行了概括,总结现有各种技术修复方法的优劣,同时展望了未来的发展趋势。
展开更多
关键词
点云缺失
点云修复
几何修复
模型检索
深度学习
原文传递
一种基于分割结果实现三维点云分类的方法
被引量：
6
3
作者
赵江洪
窦新铜
+2 位作者
曹月娥
王
殷
瑞
黄先峰
《测绘科学》
CSCD
北大核心
2022年第3期85-95,共11页
针对现有点云分类方法忽略了同类点云的整体语义与每个点的单体语义相同的特点导致分类精度较低,鲁棒性较差,无法有效识别存在局部缺失的点云的问题,提出一种用于三维点云全自动分类的深度神经网络。采用局部代替整体的思想,设计一种识...
针对现有点云分类方法忽略了同类点云的整体语义与每个点的单体语义相同的特点导致分类精度较低,鲁棒性较差,无法有效识别存在局部缺失的点云的问题,提出一种用于三维点云全自动分类的深度神经网络。采用局部代替整体的思想,设计一种识别结果筛选机制(IRS机制),构建IRS-PointNet++网络模型。该网络对每个点的分类结果进行二次统计筛选,在分类结果的基础上重新对点云的类别进行判定。通过在ModelNet40数据集上进行点云分类对比实验,设置不同的采样点数量与迭代次数,IRS-PointNet++的整体分类精度可达97.28%,相比现有最优方法提高了5.58%;在点云稀少的情况下,精度高于现有方法;在点云存在部分缺失的情况下,PointNet++会出现失效的情况,IRS-PointNet++的精度仍可以达到84.48%。实验结果表明:和现有方法相比,IRS-PointNet++网络表现出更高的精度和更强的鲁棒性。
展开更多
关键词
点云分类
深度学习
鲁棒性
PointNet++
原文传递
题名
深度学习的遥感影像舰船目标检测
被引量：
19
1
作者
赵江洪
张晓光
杨璐
马思宇
王
殷
瑞
董岩
孙铭悦
陈朝阳
机构
北京建筑大学测绘与城市空间信息学院
现代城市测绘国家测绘地理信息局重点实验室
建筑遗产精细重构与健康监测北京市重点实验室
北京豆果信息科技有限公司
出处
《测绘科学》
CSCD
北大核心
2020年第3期110-116,134,共8页
基金
国家自然科学基金项目(41601409)
国家自然科学基金青年基金项目(41501495)
+2 种基金
北京市自然科学基金项目(8172016)
城市空间信息工程北京市重点实验室开放研究基金项目(2018210)
北京建筑大学科学研究基金项目(00331616056)。
文摘
针对传统舰船检测方法中流程繁琐,速度较慢且对于复杂背景区域的检测精度较低等问题,该文提出了一种改进的Faster R-CNN深度神经网络端到端自动检测方法。该方法通过数据增强技术对数据集进行扩充,使用深度残差网络ResNet替代传统平网络VGG-16对数据集进行特征提取,在区域生成网络中针对舰船目标长宽比较高的特点修改了标定框的长宽比,较好地解决了传统检测方法步骤繁琐,速度较慢等缺点,实现了对遥感影像舰船目标的自动检测。实验结果表明,改进后的Faster R-CNN检测算法能够对遥感影像中的舰船目标进行快速的精确检测,准确率可达92.3%,检测速度达到每秒5帧。即使在面对遥感影像背景复杂、目标局部遮挡问题时也能准确识别。和传统的ENVI与eCognition分类手段相比,该方法提升了目标检测效果和识别效率,Faster R-CNN检测算法相比该方法提升了检测精度。
关键词
遥感影像
舰船检测
深度学习
卷积神经网络(CNN)
残差网络
Keywords
remote sensing
ship detecting
deep learning
convolutional neural network
ResNet
分类号
P237 [天文地球—摄影测量与遥感]
原文传递
题名
三维点云孔洞修复方法综述
被引量：
11
2
作者
赵江洪
孙铭悦
王
殷
瑞
窦新铜
张晓光
机构
北京建筑大学测绘与城市空间信息学院
北京市建筑遗产精细重构与健康监测重点实验室
代表性建筑与古建筑数据库教育部工程中心
城市空间信息工程北京市重点实验室
出处
《测绘科学》
CSCD
北大核心
2021年第1期114-123,共10页
基金
国家重点研发计划项目(2016YFC0802107)
国家自然科学基金项目(41601409,41501495)
+3 种基金
北京市自然科学基金项目(8172016)
武汉大学测绘遥感信息工程国家重点实验室开放基金资助项目(19E01)
北京建筑大学科学研究基金项目(00331616056)
无人机倾斜摄像及在教学中的应用研究项目(ZF16095)。
文摘
针对点云数据缺失问题,该文综合国内外大量点云修复技术研究。三维模型构建在自动驾驶、逆向工程领域中发挥越来越大的作用,三维点云数据是其中的重要数据源。利用三维激光扫描设备,可以高效、准确、实时的获取被测物体表面三维空间坐标。但是由于模型物体遮挡或者环境等原因,不可避免的会出现点云缺失的状况,这会对物体三维重建等后续处理造成一定的影响。然而,在三维点云孔洞修复方面还缺少比较系统完善的综述。本文从基于几何、基于模型检索、基于深度学习3个方面对当前主流的对修复技术进行了综合分析。文章对3种修复方法进行了概括,总结现有各种技术修复方法的优劣,同时展望了未来的发展趋势。
关键词
点云缺失
点云修复
几何修复
模型检索
深度学习
Keywords
missing point cloud
point cloud completion
geometric repair
model retrieval
deep learning
分类号
P237 [天文地球—摄影测量与遥感]
原文传递
题名
一种基于分割结果实现三维点云分类的方法
被引量：
6
3
作者
赵江洪
窦新铜
曹月娥
王
殷
瑞
黄先峰
机构
地理信息工程国家重点实验室
北京建筑大学测绘与城市空间信息学院
自然资源部城市空间信息重点实验室
建筑遗产精细重构与健康监测北京市重点实验室
武汉大学测绘遥感信息工程国家重点实验室
上海师范大学环境与地理科学学院
出处
《测绘科学》
CSCD
北大核心
2022年第3期85-95,共11页
基金
国家自然科学基金项目(41601409,41971350)
国家重点研发计划项目(2018YFC0807806)
+4 种基金
地理信息工程国家重点实验室开放基金课题项目(SKLGIE2019-Z-3-1)
北京建筑大学市属高校基本科研业务费专项资金项目(X18063)
北京市自然科学基金项目(8172016)
武汉大学测绘遥感信息工程国家重点实验室开放基金资助项目(19E01)
自然资源部数字制图与国土信息应用重点实验室开放研究基金项目(ZRZYBWD202102)。
文摘
针对现有点云分类方法忽略了同类点云的整体语义与每个点的单体语义相同的特点导致分类精度较低,鲁棒性较差,无法有效识别存在局部缺失的点云的问题,提出一种用于三维点云全自动分类的深度神经网络。采用局部代替整体的思想,设计一种识别结果筛选机制(IRS机制),构建IRS-PointNet++网络模型。该网络对每个点的分类结果进行二次统计筛选,在分类结果的基础上重新对点云的类别进行判定。通过在ModelNet40数据集上进行点云分类对比实验,设置不同的采样点数量与迭代次数,IRS-PointNet++的整体分类精度可达97.28%,相比现有最优方法提高了5.58%;在点云稀少的情况下,精度高于现有方法;在点云存在部分缺失的情况下,PointNet++会出现失效的情况,IRS-PointNet++的精度仍可以达到84.48%。实验结果表明:和现有方法相比,IRS-PointNet++网络表现出更高的精度和更强的鲁棒性。
关键词
点云分类
深度学习
鲁棒性
PointNet++
Keywords
point cloud classification
deep learning
robustness
PointNet++
分类号
P237 [天文地球—摄影测量与遥感]
原文传递
题名
作者
出处
发文年
被引量
操作
1
深度学习的遥感影像舰船目标检测
赵江洪
张晓光
杨璐
马思宇
王
殷
瑞
董岩
孙铭悦
陈朝阳
《测绘科学》
CSCD
北大核心
2020
19
原文传递
2
三维点云孔洞修复方法综述
赵江洪
孙铭悦
王
殷
瑞
窦新铜
张晓光
《测绘科学》
CSCD
北大核心
2021
11
原文传递
3
一种基于分割结果实现三维点云分类的方法
赵江洪
窦新铜
曹月娥
王
殷
瑞
黄先峰
《测绘科学》
CSCD
北大核心
2022
6
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
