检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

融合物理信息的热带气旋强度估计

计算机系统应用 2024年

作者：丁嘉慕乐璐辉杭仁龙南京信息工程大学计算机学院

热带气旋强度的精确估计是进行有效强度预测的基础工作,对于灾害预报至关重要.当前基于深度学习的热带气旋强度估计技术展现出了优越的性能,但仍然存在着物理信息融合不足的问题.因此,本文基于深度学习框架,提出一种融合物理信息的热带... 详细信息

热带气旋强度的精确估计是进行有效强度预测的基础工作,对于灾害预报至关重要.当前基于深度学习的热带气旋强度估计技术展现出了优越的性能,但仍然存在着物理信息融合不足的问题.因此,本文基于深度学习框架,提出一种融合物理信息的热带气旋强度估计模型(physical factors fusion for tropical cyclone intensity estimation,PF-TCIE),来估计西北太平洋的热带气旋强度. PF-TCIE由多通道卫星云图学习分支和物理信息提取分支组成.多通道卫星云图学习分支用于提取热带气旋云系特征,物理信息提取分支用于提取物理因子特征,来约束云系特征的学习.本文数据选用葵花-8卫星资料和ERA-5再分析资料.实验证明,在引入多个通道后,模型的RMSE误差较单通道降低了3.7%.同时,物理信息的引入使模型的误差进一步下降了8.5%. PF-TCIE的RMSE最终达到了4.83 m/s,优于大部分深度学习方法.

关键词：热带气旋强度估计融合物理信息深度学习葵花-8卫星图像 ERA-5再分析资料

基于语义引导与多尺度增强的遥感影像分割网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机系统应用 2024年

作者：孙梓翔钱旭威杨平杭仁龙南京信息工程大学计算机学院江苏省大气环境与装备技术协同创新中心东南大学计算机科学与工程学院

遥感影像语义分割在环境监测、土地覆盖分类和城市规划等领域发挥着至关重要的作用.卷积神经网络及其改进模型是遥感影像语义分割的主流方法,但此类方法更加关注局部上下文特征的学习,无法有效建模不同物体之间的全局分布关系,进而制约... 详细信息

遥感影像语义分割在环境监测、土地覆盖分类和城市规划等领域发挥着至关重要的作用.卷积神经网络及其改进模型是遥感影像语义分割的主流方法,但此类方法更加关注局部上下文特征的学习,无法有效建模不同物体之间的全局分布关系,进而制约了模型的分割性能.为了解决该问题,本文在卷积神经网络的基础上,构建了全局语义关系学习模块,充分学习不同物体之间的共生关系,有效地增强了模型的表征能力.此外,考虑到同一场景中,待分割物体的尺度存在差异性,构建了多尺度学习模块,以融合不同尺度的全局语义关系.为了评估模型的性能,本文在Vaihingen和Potsdam两个常用的遥感影像数据集上进行了充分的实验.实验结果表明,本文方法能够获得比已有的基于卷积神经网络的模型更高的分割性能.

关键词：遥感影像语义分割全局语义关系多尺度融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

谱间对比学习的高光谱图像无监督特征提取

测绘学报 2023年第7期52卷 1164-1174页

作者：杭仁龙李成相刘青山南京信息工程大学计算机学院江苏南京210044 江苏省大气环境与装备技术协同创新中心江苏南京210044

深度学习通过逐层抽象的方式提取输入数据的深层特征,近年来在高光谱图像分类领域得到了广泛的应用。现有的高光谱图像深度特征提取方法大多属于有监督学习模型,其训练过程需要大量标记样本,而高光谱图像逐像素的标注困难且费时。为此,... 详细信息

深度学习通过逐层抽象的方式提取输入数据的深层特征,近年来在高光谱图像分类领域得到了广泛的应用。现有的高光谱图像深度特征提取方法大多属于有监督学习模型,其训练过程需要大量标记样本,而高光谱图像逐像素的标注困难且费时。为此,本文提出了一种基于谱间对比学习的无监督深度学习模型。无须对样本进行标注,仅通过建模不同光谱波段之间的关系便可实现特征提取。具体而言,由于高光谱图像不同的光谱通道刻画了同一物体在不同电磁波段的响应程度,因此必然存在一个特征空间,使得不同通道的光谱信息具有相似的表征。受此启发,本文首先将高维光谱信息分成两组,然后利用多层卷积操作分别提取每组波段的特征,最后对比不同样本所提取的特征,通过对比损失函数来优化模型。为了测试本文方法的性能,将其应用于高光谱图像分类任务中,在Houston 2013、Pavia University和WHU-Hi-Longkou 3个常用的数据集上进行了验证。试验结果表明,在每类仅使用10个训练样本的前提下,本文所提出的无监督学习模型能够获得比主成分分析、自编码器等常见的无监督模型更优越的分类性能。

关键词：无监督学习深度学习高光谱图像特征提取

在线全文

学校读者我要写书评

暂无评论

融合定位信息的热带气旋强度估计

中国图象图形学报 2023年第8期28卷 2522-2535页

作者：刘英杰张芮刘青山杭仁龙南京信息工程大学计算机学院南京210044 南京信息工程大学自动化学院南京210044 江苏科技大学计算机学院镇江212100

目的精确估计热带气旋的强度有助于提升天气预报和预警的准确性。随着深度学习技术的不断发展,基于卷积神经网络(convolutional neural network,CNN)的方法已应用于强度估计任务中。然而,现有方法仍存在许多问题,例如无法充分利用不同... 详细信息

目的精确估计热带气旋的强度有助于提升天气预报和预警的准确性。随着深度学习技术的不断发展,基于卷积神经网络(convolutional neural network,CNN)的方法已应用于强度估计任务中。然而,现有方法仍存在许多问题,例如无法充分利用不同波段的卫星图像信息、输入图像以热带气旋的定位为中心等限制,从而产生较大误差,影响实时估计的结果。针对以上问题,本文提出一种融合定位信息的强度估计网络IEFL(intensity estimation fusing location),提升强度估计的准确率。方法模型采用双分支结构,能有效融合不同波段的图像特征,同时可以同步优化两个任务,达到互相促进的效果。此外,模型对强度估计任务做了定位的特征融合,将得到的定位特征图与强度特征图进行拼接,共同输出最后的强度结果,通过利用定位信息达到提升强度估计精度的目的。结果本文在完成热带气旋强度估计的同时,可获取较好的热带气旋中心定位结果。收集了2015—2018年葵花-8卫星多通道图像用以训练模型,并在2019和2020年的数据上进行测试。结果表明,融合定位信息后模型的强度估计均方根误差为4.74 m/s,平均绝对误差为3.52 m/s。相比传统单一强度估计模型误差分别降低了7%和9%。结论IEFL模型在不依赖定位准确率的同时,能够有效提升强度估计的准确率。

关键词：强度估计热带气旋(TC) 卷积神经网络(CNN) 中心定位葵花-8

基于随机L-BFGS的二阶非凸稀疏优化算法

在线全文

学校读者我要写书评

暂无评论

计算机仿真 2022年第10期39卷 359-363页

作者：刘光宇张令威杭仁龙南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044

在稀疏模型中普遍采用一阶优化算法进行学习,这些算法的普遍思路都是将迭代硬阈值算法与优化算法进行结合。相较于一阶优化算法,二阶优化算法很少被应用到稀疏优化问题中,因为Hessian矩阵及其逆矩阵的计算需要消耗极大的算力资源。所以... 详细信息

在稀疏模型中普遍采用一阶优化算法进行学习,这些算法的普遍思路都是将迭代硬阈值算法与优化算法进行结合。相较于一阶优化算法,二阶优化算法很少被应用到稀疏优化问题中,因为Hessian矩阵及其逆矩阵的计算需要消耗极大的算力资源。所以为了有效且高效地利用二阶信息,提出一种新的随机L-BFGS硬阈值优化算法用于解决非凸的稀疏学习问题,算法将迭代硬阈值方法(IHT)引入随机L-BFGS算法,在保持模型性能的同时显著提升了算法的收敛速度,并在线性回归和逻辑回归上的实验结果上证明了新算法的优越性。

关键词：一阶优化算法二阶信息迭代硬阈值稀疏学习

在线全文

学校读者我要写书评

暂无评论

基于主动学习的遥感图像分类研究

基于主动学习的遥感图像分类研究

作者：杭仁龙南京信息工程大学

学位级别：硕士

对遥感图像分类问题,目前普遍采用的是基于监督学习的分类算法,但是监督学习算法的主要缺陷是它的性能依赖于训练样本的数量和质量。对于遥感图像来说,获取大量标记样本不仅耗时而且代价昂贵。同时,由于遥感数据采集技术突飞猛进的发展... 详细信息

对遥感图像分类问题,目前普遍采用的是基于监督学习的分类算法,但是监督学习算法的主要缺陷是它的性能依赖于训练样本的数量和质量。对于遥感图像来说,获取大量标记样本不仅耗时而且代价昂贵。同时,由于遥感数据采集技术突飞猛进的发展,获取大量未标记样本越来越容易。因此,如何充分利用少量有限的标记样本和大量未标记样本,从而大大提高模型的分类性能显得非常有意义。主动学习就是这样一个解决此类问题的方法。当前的主动学习方法基本上都是利用像素点的光谱信息来对像素逐个进行分类,忽视了像素之间的空间信息,导致最终的分类结果图中包含很多异常点。针对这种情况,本文提出了两种结合图像块信息的主动学习方法。方法一：基于图像块的主动学习方法。首先将原始图像分成若干个重叠的图像块,然后提取图像块的谱-空间信息,最后利用三种主动学习方法：margin sampling、entropy query-by-bagging, multi-class level uncertainty对图像块进行分类。实验结果表明,在三个不同的高分辨率遥感图像数据库上,和基于像素点的主动学习方法相比,基于图像块的主动学习方法计算速度更快、分类准确率更高、分类结果图更均匀。方法二：一种新的基于委员会的主动学习方法。首先将原始图像分成若干个重叠的图像块,提取图像块的特征,然后随机选取少量的图像块来训练块支持向量机模型,与此同时,用图像块中所有像素点来训练点支持向量机模型。利用这两个模型同时对未标注样本进行预测,将预测结果不同的像素添加到矛盾样本池中。最后利用边缘采样的方法从矛盾样本池中筛选出信息量最大的样本,进行人工标注。将标注好的训练样本添加到训练集中,重新训练两个模型,整个过程不断重复,直到达到停止标准。实验结果表明,在两个不同的高分辨率遥感图像数据库上,本文提出的方法比两种经典的主动学习方法margin sampling、entropy query-by-bagging的分类准确率更高。

关键词：主动学习图像块分类像素点分类支持向量机高光谱图像

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于类加权YOLO网络的水下目标检测

南京师大学报（自然科学版） 2020年第1期43卷 129-135页

作者：朱世伟杭仁龙刘青山南京信息工程大学自动化学院江苏南京210044

由于水下目标检测面临着图像模糊、尺度多样化、复杂背景等问题,给水下目标检测应用带来很多挑战.本文提出了一种基于类加权YOLO网络的水下目标检测方法,主要思想是在深度网络YOLO的基础上,构造了类加权损失函数,来平衡样本难易程度以... 详细信息

由于水下目标检测面临着图像模糊、尺度多样化、复杂背景等问题,给水下目标检测应用带来很多挑战.本文提出了一种基于类加权YOLO网络的水下目标检测方法,主要思想是在深度网络YOLO的基础上,构造了类加权损失函数,来平衡样本难易程度以获得更好的效果,并引入了目标框自适应维度聚类方法,进一步提升了检测性能.实验结果表明,本文算法与传统的YOLO网络模型相比,在每幅图片包含近20个目标的密集目标检测任务中,能够将平均准确率从71.2%提升至74.1%,召回率由71.1%提升到78.3%.

关键词：水下目标 YOLO 类加权损失自适应维度聚类

在线全文

学校读者我要写书评

暂无评论

基于低秩表示的乳腺癌病理图像有丝分裂检测

计算机应用研究 2015年第1期32卷 280-283,311页

作者：刘雅徐军杭仁龙陈炜峰南京信息工程大学信息与控制学院南京210044

人工检测和计算有丝分裂细胞的过程非常冗长,而且不同病理医生之间的诊断结果有较大差异性,因此,在临床中迫切希望有定量的计算机辅助自动检测方法。提出了一种基于低秩表示的计算机辅助自动检测有丝分裂方法,将有丝分裂细胞看做低秩表... 详细信息

人工检测和计算有丝分裂细胞的过程非常冗长,而且不同病理医生之间的诊断结果有较大差异性,因此,在临床中迫切希望有定量的计算机辅助自动检测方法。提出了一种基于低秩表示的计算机辅助自动检测有丝分裂方法,将有丝分裂细胞看做低秩表示中的稀疏部分,非有丝分裂部分看做低秩部分。在ICPR 2012有丝分裂竞赛提供的有丝分裂图片数据库上的实验结果表明,和已有的基于模式识别的检测方法相比,该方法能够获得较高的F-measure和recall值,分别为0.59和0.56。

关键词：低秩表示病理图像细胞有丝分裂检测

基于稀疏图正则矩阵判别分析的高光谱图像分类

在线全文

学校读者我要写书评

暂无评论

南京师大学报（自然科学版） 2019年第1期42卷 51-58页

作者：黄晓伟杭仁龙孙玉宝刘青山江苏省大数据分析技术重点实验室南京信息工程大学信息与控制学院江苏南京210044

光谱和空间信息的联合使用是高光谱图像分类领域的研究热点之一.本文在已有的矩阵判别分析(MDA)模型的基础上,提出了一种基于稀疏图正则的改进模型.在有效融合高光谱图像光谱-空间信息的同时,能充分挖掘无标签样本的信息,从而提升了模... 详细信息

光谱和空间信息的联合使用是高光谱图像分类领域的研究热点之一.本文在已有的矩阵判别分析(MDA)模型的基础上,提出了一种基于稀疏图正则的改进模型.在有效融合高光谱图像光谱-空间信息的同时,能充分挖掘无标签样本的信息,从而提升了模型的分类性能.为了验证本文算法的有效性,在两个高光谱数据集上,与多种方法进行了对比.实验结果表明,本文提出的算法优于其他同类算法.

关键词：高光谱图像分类谱-空特征融合矩阵判别分析稀疏图正则