检索结果

Select

1. 基于DeepLab v3的西藏地区降雨云团分割方法

张永宏, 刘昊, 田伟, 王剑庚

计算机应用 2020, 40 (9): 2781-2788. DOI: 10.11772/j.issn.1001-9081.2019122131

摘要（402）

PDF （2718KB）（467）

针对高原地区数值预测法建模复杂，雷达回波外推法易产生累积误差且模型参数难以设置的问题，提出了一种基于改进DeepLab v3网络模型的西藏地区降雨云团的分割方法。首先，通过编码网络中的卷积层和残差模块进行下采样；然后，利用空洞卷积构建多尺度采样模块，并且加入注意力机制模块提取深层高维特征；最后，通过解码网络利用反卷积恢复特征图分辨率。将所提方法与谷歌语义分割网络DeepLab v3等模型在验证集上进行比较，实验结果表明所提方法具有更好的分割性能与泛化能力，其降雨云团分割结果更为准确，平均交并比（Miou）达到0.95，与原始DeepLab v3相比提高了15.54个百分点。在小目标上和非平衡数据集上，该方法可以更准确地分割出降雨云团，为降雨云团监测预警提供参考。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于全卷积神经网络的多源高分辨率遥感道路提取

张永宏, 夏广浩, 阚希, 何静, 葛涛涛, 王剑庚

计算机应用 2018, 38 (7): 2070-2075. DOI: 10.11772/j.issn.1001-9081.2017122923

摘要（845）

PDF （961KB）（466）

针对半自动道路提取方法人工参与较多、提取精度不高且较为耗时的问题提出一种基于全卷积神经网络（FCN）的多源高分辨率遥感道路提取方法。首先，对高分二号和World View图像进行分割，用卷积神经网络（CNN）分类出包含道路的图像；然后，用Canny算子提取道路的边缘特征信息；最后，结合RGB、Gray和标签图放入FCN中训练，将现有的FCN模型拓展为多卫星源输入及多特征源输入的FCN模型。选取西藏日喀则地区作为研究区域，实验结果显示，所提方法在对高分辨率遥感影像进行道路提取时能够达到99.2%的提取精度，并且有效地减少了提取所需的时间。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于地质大数据的泥石流灾害易发性评价

张永宏, 葛涛涛, 田伟, 夏广浩, 何静

计算机应用 2018, 38 (11): 3319-3325. DOI: 10.11772/j.issn.1001-9081.2018040789

摘要（492）

PDF （1168KB）（573）

在地质大数据背景下，为了更加精准、客观地评估泥石流易发程度，提出一种基于神经网络的区域泥石流易发性评价模型，并结合使用平均影响值算法（MIV）、遗传算法（GA）、Borderline-SMOTE算法提升模型精度。在预处理阶段使用Borderline-SMOTE算法处理非平衡数据集的分类问题，之后采用神经网络拟合主要指标与易发程度的非线性关系并结合遗传算法提升拟合速度，最后结合MIV算法定量分析指标与易发程度相关性。选取雅鲁藏布江中上游流域作为研究区域，实验结果显示，模型能够有效降低非平衡数据集的过拟合，优化原始输入维度，同时在拟合速度上有了很大提升。采用AUC指标检验评价结果，测试集的分类精度达到97.95%，说明模型能够在非平衡数据集下为评价研究区域泥石流易发程度提供参考。

参考文献 | 相关文章 | 多维度评价