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
共找到10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：
土地利用/覆被深度学习遥感分类研究综述 被引量：36
1
作者 冯权泷 牛博文 +3 位作者 朱德海 陈泊安 张超 杨建宇 《农业机械学报》 EI CAS CSCD 北大核心 2022年第3期1-17,共17页
基于遥感分类实现高精度的土地利用和土地覆被制图是研究热点问题。近年来,以卷积神经网络为代表的深度学习在计算机视觉领域取得了长足发展,同时也被引入到土地利用/覆被遥感制图领域。相比于经典机器学习,深度学习的优势表现为能够自... 基于遥感分类实现高精度的土地利用和土地覆被制图是研究热点问题。近年来,以卷积神经网络为代表的深度学习在计算机视觉领域取得了长足发展,同时也被引入到土地利用/覆被遥感制图领域。相比于经典机器学习,深度学习的优势表现为能够自适应提取与分类任务最相关的特征,其缺陷表现为分类精度的提高依赖于海量标签样本。基于深度学习在土地利用/覆被分类中日益增多的研究成果,本文从样本、模型、算法3个角度对其研究进展进行综述。在样本方面,归纳总结了常用的土地利用/覆被样本集,并分析了上述样本集的学术影响力;在模型方面,综述了土地利用/覆被分类中常用的深度学习模型,包括卷积神经网络、循环神经网络、全卷积神经网络等的最新研究成果;在算法方面,综述了样本稀疏条件下的土地利用/覆被分类算法的最新研究进展,具体包括主动学习、半监督学习、弱监督学习、自监督学习、迁移学习等。最后从样本、模型、算法3个角度对未来研究方向进行展望,通过构建大规模遥感样本数据集、持续优化深度学习模型结构、提升样本稀疏条件下深度学习模型的时空泛化能力等研究,可以进一步改善土地利用/覆被分类效果和精度。 展开更多
关键词 深度学习 土地利用 土地覆被 遥感分类 样本-模型-算法
下载PDF
遥感影像样本数据集研究综述 被引量：27
2
作者 冯权泷 陈泊安 +3 位作者 李国庆 姚晓闯 高秉博 张连翀 《遥感学报》 EI CSCD 北大核心 2022年第4期589-605,共17页
随着机器学习、深度学习等人工智能技术在遥感领域的不断应用与发展,基于海量样本的数据驱动模型已经成为遥感影像信息提取的一种新的研究范式,其对样本数据的规模、质量、多样性等提出了更高要求。最近,国内外众多学者和研究机构相继... 随着机器学习、深度学习等人工智能技术在遥感领域的不断应用与发展,基于海量样本的数据驱动模型已经成为遥感影像信息提取的一种新的研究范式,其对样本数据的规模、质量、多样性等提出了更高要求。最近,国内外众多学者和研究机构相继发布了一系列遥感影像样本数据集,为大数据时代下遥感影像的信息提取和智能解译等奠定了研究基础。然而目前尚缺乏对上述影像样本数据集的综合分析,针对这一问题,本文在文献检索与分析的基础上,归纳总结了124个具有一定影响力且应用广泛的遥感影像样本数据集并对其元数据进行了分析,并提供了数据来源、应用领域与关键词的发展变化,分析了数据集在空间、时间、光谱分辨率上的差异,以应用领域为依据将其划分为场景识别、土地覆被/利用分类、专题要素提取、变化检测、目标检测、语义分割等8个类别并以部分数据为例进行了具体分析,总结了深度学习模型在数据集上的研究进展,并针对稀疏样本导致的模型过拟合问题,探讨了样本时空迁移、小样本和零样本学习、样本主动发现、样本生成等在遥感影像信息提取中的应用前景。本文首次对遥感影像样本数据集进行了综述研究,可为相关领域科研人员提供数据参考。 展开更多
关键词 遥感影像 样本数据集 机器学习 深度学习
原文传递
基于多源光学雷达数据融合的黄淮海平原冬小麦识别 被引量：7
3
作者 冯权泷 任燕 +3 位作者 姚晓闯 牛博文 陈泊安 赵圆圆 《农业机械学报》 EI CAS CSCD 北大核心 2023年第2期160-168,共9页
遥感技术能够快速准确地获取农作物空间分布信息,为探究2021年黄淮海平原冬小麦空间分布信息,基于Google Earth Engine(GEE)云平台,以Sentinel-1 SAR雷达影像和Sentienl-2光学遥感影像为数据源,通过计算极化特征、光谱特征和纹理特征,... 遥感技术能够快速准确地获取农作物空间分布信息,为探究2021年黄淮海平原冬小麦空间分布信息,基于Google Earth Engine(GEE)云平台,以Sentinel-1 SAR雷达影像和Sentienl-2光学遥感影像为数据源,通过计算极化特征、光谱特征和纹理特征,运用随机森林等4种机器学习方法和深度循环神经网络模型,对研究区冬小麦空间分布信息进行提取,并对比各分类器和网络架构的分类精度。结果表明,黄淮海平原冬小麦总面积约为16226667 hm^(2),占研究区总面积的49.17%,其中冬小麦种植面积最大的是河南省,约为4647334 hm^(2),研究区冬小麦种植分布呈现由东向西、由南向北递减的趋势;随机森林是4种机器学习方法中识别精度最高的分类器,总体分类精度为94.30%;在随机森林算法中仅使用Sentinel-1雷达数据总体精度为87.38%,仅使用Sentinel-2光学数据总体精度为93.95%,而融合时序Sentinel主被动遥感数据总体精度为94.30%;在大范围的冬小麦分类上,深度学习模型的泛化性高于机器学习方法。 展开更多
关键词 冬小麦 遥感分类 多源数据融合 Google Earth Engine 机器学习 深度学习
下载PDF
2019年全国农业塑料大棚遥感分类数据集 被引量：6
4
作者 冯权泷 牛博文 +7 位作者 朱德海 姚晓闯 刘逸铭 欧聪 陈泊安 杨建宇 郭浩 刘建涛 《中国科学数据（中英文网络版）》 CSCD 2021年第4期149-166,共18页
本数据集为依托Google Earth Engine(GEE)云计算平台,基于10米空间分辨率的Sentinel-2遥感影像和随机森林模型,所生成的2019年全国农业塑料大棚空间分布专题数据。具体而言,首先通过野外调查和目视解译进行地面样本采集,并随机划分为训... 本数据集为依托Google Earth Engine(GEE)云计算平台,基于10米空间分辨率的Sentinel-2遥感影像和随机森林模型,所生成的2019年全国农业塑料大棚空间分布专题数据。具体而言,首先通过野外调查和目视解译进行地面样本采集,并随机划分为训练集和测试集;然后进行地物光谱、纹理等特征提取,从而构建多维特征空间;最后构建随机森林分类模型,并利用训练好的模型对全国遥感影像进行并行计算,从而得到全国农业塑料大棚分类数据。精度测试表明,该数据集的平均分类精度为87.45%,能够正确反映农业塑料大棚在全国的空间分布情况。此外,为了更好对全国大棚分布数据进行可视化,本文同时计算了全国5公里格网内的大棚面积占比。本数据集为第一个公开发布的全国农业塑料大棚空间分布专题数据,可为相关领域的科研人员提供数据参考。 展开更多
关键词 农业塑料大棚 Google Earth Engine Sentinel-2 随机森林
下载PDF
基于多尺度扩张卷积神经网络的城中村遥感识别 被引量：4
5
作者 冯权泷 陈泊安 +3 位作者 牛博文 任燕 王莹 刘建涛 《农业机械学报》 EI CAS CSCD 北大核心 2021年第11期181-189,218,共10页
城中村是我国快速城市化进程中的一个特殊产物,通常存在人口密集、建筑私自改造等问题。开展城中村的识别和监测对城乡统筹规划以及精细化治理等具有重要意义。基于深度学习提出了一种新的城中村遥感识别模型,该模型包括一个多尺度扩张... 城中村是我国快速城市化进程中的一个特殊产物,通常存在人口密集、建筑私自改造等问题。开展城中村的识别和监测对城乡统筹规划以及精细化治理等具有重要意义。基于深度学习提出了一种新的城中村遥感识别模型,该模型包括一个多尺度扩张卷积模块和一个非局部特征提取模块,前者能够聚合多层级空间特征以适应城中村形状、尺度的变异性;后者用于提取全局语义特征以提高城中村的类间可分性。选取北京市二环与六环之间的区域作为研究区,实验结果表明本文模型取得了较好的识别效果,总体精度可达94.27%,Kappa系数为0.8839,且效果优于传统模型。本文研究表明,基于多尺度扩张卷积神经网络进行城中村遥感识别是可行且有效的,可为城乡统筹规划提供精确的城中村空间分布数据。 展开更多
关键词 城中村 场景识别 扩张卷积神经网络 深度学习
下载PDF
多层级几何—语义融合的图神经网络地表异常检测框架
6
作者 高智 胡傲涵 +2 位作者 陈泊安 路遥 葛家辰 《遥感学报》 EI CSCD 北大核心 2024年第7期1760-1770,共11页
近年来突发性地表异常ESA(Earth Surface Anomalies)事件频发且呈上升趋势,给人类的生命、财产安全带来了巨大威胁,如何及时准确地发现地表异常事件对后续救援与灾害响应具有重要意义。一些研究人员利用卫星影像开展大尺度地表异常发现... 近年来突发性地表异常ESA(Earth Surface Anomalies)事件频发且呈上升趋势,给人类的生命、财产安全带来了巨大威胁,如何及时准确地发现地表异常事件对后续救援与灾害响应具有重要意义。一些研究人员利用卫星影像开展大尺度地表异常发现与监测,并开发、运用了先进的深度学习方法。然而,由于标签数据不足和卫星影像中几何、语义信息十分复杂,现阶段的地表异常检测方法的表现往往不能达到很好的效果。针对上述问题,本文提出了一个多层级几何—语义融合的图神经网络GNN(Graph Neural Network)框架,以实现高精度地表异常快速发现。具体而言,本文提出的方法先利用两个不同的分支从输入的卫星影像中提取不同层级的地理实体并构建图表示,然后通过分配矩阵实现图的联合表达。此后,构建了分层图注意力网络GAT(Graph Attention Network),基于图节点信息传递、聚合与注意力机制从图中进一步挖掘卫星影像中复杂的几何、语义信息,用于准确地检测地表异常。考虑到现有大规模多类地表异常检测基准数据集的缺乏,我们基于现有公开可分发数据集构建了ESAD数据集,用于基于单张卫星影像的地表异常检测任务。大量实验表明,提出的方法在地表异常检测任务中取得了优异的性能,在准确率、召回率与推理时间方面优于许多基线方法,可精确、有效地开展地表异常检测任务。 展开更多
关键词 遥感 地表异常 多层级融合 图神经网络 快速检测 注意力机制 灾害响应 卫星影像
原文传递
隐隐约约的心
7
作者 陈泊安 《当代音乐》 2015年第4期85-85,共1页
关键词 梦境
下载PDF
我要为你唱一首歌
8
作者 陈泊安 《当代音乐》 2015年第4期87-87,共1页
关键词 谢谢你
下载PDF
月光玫瑰
9
作者 田然 陈泊安 《当代音乐》 2015年第6期82-82,共1页
关键词 月光 玫瑰 蔷薇属 浮云
下载PDF
梨花开
10
作者 田然 陈泊安 《当代音乐》 2015年第8期99-99,共1页
关键词 梨花
下载PDF
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
使用帮助 返回顶部