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2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：
基于FC-DenseNet的低空航拍光学图像树种识别 被引量：8
1
作者 林志玮 涂伟豪 +3 位作者 黄嘉航 丁启禄 周铮雯 刘金福 《国土资源遥感》 CSCD 北大核心 2019年第3期225-233,共9页
使用低空遥感图像进行图像识别为森林调查和监测提供了新的技术契机。基于无人机低空航拍光学图像,以福建省安溪县崩岗区为研究区,建立FC-DenseNet模型进行树种识别。首先,利用Dense模块提取树种图像特征并增强深层网络信息,透过下采样... 使用低空遥感图像进行图像识别为森林调查和监测提供了新的技术契机。基于无人机低空航拍光学图像,以福建省安溪县崩岗区为研究区,建立FC-DenseNet模型进行树种识别。首先,利用Dense模块提取树种图像特征并增强深层网络信息,透过下采样模块降低图像维度,凸显图像的纹理特征和光谱特征;然后,使用上采样模块还原预测图至原始图像大小,并融合浅层Dense模块信息的丰富特征;最后,采用Softmax分类器实现像素分类,完成树种识别。结果显示,基于低空航拍光学图像,FC-DenseNet模型能够准确区分植被与非植被,定位其空间分布特征,其中,FC-DenseNet-103模型的二分类识别精度为92.1%,表明FC-DenseNet模型加深网络深度后具有较好的识别效果;将植被与非植被细分为13类,FC-DenseNet-103模型的平均识别正确率达到75.67%。研究结果表明,基于低空航拍光学图像建立的FC-DenseNet模型具有较高的树种分类精度。由于低空航拍光学图像的成本较低,数据获取费用小,时间周期短,可便于森林资源调查和森林树种检测,为深度学习在树种识别领域的应用提供了新思路。 展开更多
关键词 fc-densenet 光学图像 树种识别 无人机 深度神经网络
下载PDF
结合FC-DenseNet和WGAN的图像去雾算法 被引量：7
2
作者 孙斌 雎青青 桑庆兵 《计算机科学与探索》 CSCD 北大核心 2020年第8期1380-1388,共9页
针对现有图像去雾算法严重依赖中间量准确估计的问题,提出了一种基于Wasserstein生成对抗网络(WGAN)的端到端图像去雾模型。首先,使用全卷积密集块网络(FC-DenseNet)充分学习图像中雾的特征;其次,采用残差学习思想直接从退化图像中学习... 针对现有图像去雾算法严重依赖中间量准确估计的问题,提出了一种基于Wasserstein生成对抗网络(WGAN)的端到端图像去雾模型。首先,使用全卷积密集块网络(FC-DenseNet)充分学习图像中雾的特征;其次,采用残差学习思想直接从退化图像中学习到清晰图像的特征,实现端到端的去雾;最后,使用均方误差和感知结构误差函数作为模型的损失函数,以确保生成图像结构和内容的相似度,并使用WGAN对生成结果细致优化,生成清晰逼真的无雾图像。实验结果表明,在合成雾天数据集上,该算法在结构相似度上比其他对比算法提高了4%;在自然雾天图像上,由该算法恢复的图像具有较高的清晰度和对比度,在主观评价上优于其他对比算法。 展开更多
关键词 图像去雾 Wasserstein生成对抗网络(WGAN) 全卷积密集块网络(fc-densenet) 残差学习
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