-
题名结合桥梁难分样本优化的大清河流域水坝遥感检测
- 1
-
-
作者
郭勇
张琳翔
许泽宇
蔡中祥
-
机构
信息工程大学地理空间信息学院
中国科学院空天信息创新研究院国家遥感应用工程技术研究中心
-
出处
《自然资源遥感》
CSCD
北大核心
2024年第4期201-209,共9页
-
基金
新疆维吾尔自治区重点研发任务专项“强震次生地质灾害承灾体识别与受损评估研究”(编号:2022B03001-3)
新疆第三次科学考察项目“新疆遥感动态监测系统及时序信息反演”(编号:2021xjkk1403)共同资助。
-
文摘
水坝的检测对于城市规划、生态环境评估等有着重要意义。目前基于遥感的水坝检测研究主要是基于样本集的算法改进或在小区域上的检测,缺乏在大尺度地学区域的实践应用。而在大区域中,水坝分布稀疏,地表存在更多的桥梁等地物会对水坝的检测形成显著干扰。为应对这一问题,该文以大清河流域为例,研究大尺度区域内的水坝遥感检测。该文研究主要分为2个阶段,第一阶段是将容易与水坝混淆的桥梁作为难分负样本(即容易产生假阳性的样本)参加训练,基于DIOR公开数据集改进适合于水坝提取的神经网络结构;第二阶段是基于优化后的网络以及大区域多源样本数据进行微调训练获取模型,并实现大清河区域的水坝检测。优化后的模型在第一阶段测试中水坝检测F1分数为0.783,在第二阶段大清河流域检测得到了330处水坝,其结果与现有公开的水坝空间分布数据集GRandD相符,且更为详细。结果表明,结合桥梁样本优化训练后的模型可以有效避免对桥梁的误提取,从而提高检测精度。
-
关键词
水坝
难分负样本
大清河流域
CenterNet网络
目标检测
-
Keywords
dam
hard negative samples
Daqing River basin
CenterNet
object detection
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于用户偏好挖掘生成对抗网络的推荐系统
被引量：3
- 2
-
-
作者
李广丽
滑瑾
袁天
朱涛
邬任重
姬东鸿
张红斌
-
机构
华东交通大学信息工程学院
华东交通大学软件学院
武汉大学国家网络安全学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2020年第5期803-814,共12页
-
基金
国家自然科学基金Nos.61762038,61861016
教育部人文社会科学研究规划项目No.17YJAZH117
+3 种基金
江西省自然科学基金No.20171BAB202023
江西省科技厅重点研发计划Nos.20171BBG70093,20192BBE50071
江西省社会科学规划项目No.16TQ02
江西省教育厅科学技术项目Nos.GJJ180320,GJJ190323。
-
文摘
用户偏好挖掘是推荐系统研究中的关键问题,它对于改善推荐质量具有非常重要的作用。提出用户偏好挖掘生成对抗网络(UPM-GAN),从两个角度深入分析用户隐含偏好:基于三元组损失算法对用户评分矩阵进行处理,挖掘难分负样本,以更好地确立正样本,为准确刻画用户偏好奠定基础;基于奇异值分解(SVD++)算法构建UPM-GAN的生成模型,利用SVD++算法中的偏置信息及隐式参数描述用户隐含偏好,以提高评分预测精度。最后使用最新生成对抗网络(GAN)框架完成推荐系统训练,在MovieLens-100K、MovieLens-1M这两个主流数据集上展开实验仿真。实验表明UPM-GAN的Precision@K、均值平均精度(MAP)等多项指标均优于对比基线,且它还具有收敛速度快、训练过程平稳等优点。基于UPM-GAN的推荐系统具有一定实用价值。
-
关键词
推荐系统
生成对抗网络(GAN)
用户偏好挖掘
奇异值分解(SVD++)
三元组损失
难分负样本
-
Keywords
recommendation systems
generative adversarial networks(GAN)
users’ preference mining
singular value decomposition(SVD++)
triplet loss
hard negative samples
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
