论文部分内容阅读
基于深度神经网络的耕地提取与作物识别方法研究
【摘 要】
:
我国是农业大国,但是由于地理环境、气候等因素导致自然灾害不可避免。农业保险基于风险转移机制保障农业灾后重建、恢复农业生产,是国家扶持农业发展的重要方式之一。随着遥感技术的发展,越来越多的遥感图像被用于农业保险业务,特别是承保业务。而承保业务核心是要准确地实现地块级别的耕地提取与作物识别。因此,本文基于深度学习展开对这两部分问题的研究,具体研究内容如下:在耕地提取方面,当前主要的方法是将耕地提取建模
【机 构】
:
中国科学技术大学
【出 处】
:
中国科学技术大学
【发表日期】
:
2021年08期
【基金项目】
:
其他文献
随着智能手机、智能摄像头等一系列智能设备的普及,越来越多的图像被人们获取,这些图像中不乏包含着一些有用的文字信息,如何将这些图像中的文字信息检索识别出来应用在例如实时翻译、智能辅助驾驶、盲人阅读等新技术上,成为了当今学术和工业界的热门研究领域。但是自然图像由于拍摄角度和拍摄条件等原因,往往存在过曝、光照不均匀、图片模糊、背景复杂等问题。如何高效、准确的定位、识别自然场景中的文字信息也成为了近年来热
学位
作为智能交通系统的主要应用之一,车载自组织网络(Vehicular Adhoc Networks,VANET)在近些年得到很多研究。VANETs实现了车与人、车与车,以及车与路边基础设施等之间的的相互通信,使得信息能够快速有效的传递,改善了道路交通状况。其中,车与车(Vehicle to Vehicle,V2V)通信,是车辆与车辆之间的通信,表示车辆与其周围车辆之间,以多跳的方式进行实时相互通信,
学位
近年来,无人机技术飞速发展,被广泛应用于各行业中。将无人机与无线传感器网络结合可以有效增强网络的通信能力、感知能力与能量效率。使用无人机辅助数据采集,可以避免传感器节点进行远距离长周期的数据传输,有效降低传感器节点的通信损耗,提高网络的生命周期。路径规划是无人机在实际应用中需要解决的核心问题。无人机作为一种移动智能体,每次飞行时可用能量受限,飞行路径的优劣会影响无人机执行任务的时间与能量效率。本文
学位
近年来,随着计算机科学和人工智能技术的不断发展,语音合成技术已经被广泛应用在文本阅读、智能导航等领域,机器输出的语音已经慢慢满足了可懂性,但目前语音合成仍存在自然度低,缺乏语气情感等问题。针对当前语音合成缺乏对语气的良好支持,本文提出了基于条件变分自编码器(Conditional Variational auto-encoder,CVAE)的语气语音合成模型以增强合成语音的表现力,并将其应用于便携
学位
表面缺陷检测和分类作为机器视觉领域的重点研究方向之一,在工业质检、芯片制造、智能交通、医学诊断等场景中发挥着重要作用。表面缺陷检测是利用图像中的缺陷目标的特征信息来判定物体表面是否存在缺陷,并进一步确定缺陷的位置和尺寸信息。缺陷分类是根据图像中所反映的不同缺陷特征信息来区别不同的类别。在实际应用中,往往要求表面缺陷检测与分类算法具备高识别精度、合理的计算复杂度以及较小的时间开销。为了快速准确地判别
学位