资源简介

我国城镇化水平的提升和垃圾处理基础设施的不完善,致使我国非正规垃圾堆放问题日益突出。高分辨率遥感影像的发展为非正规垃圾堆的宏观、高效管理提供了可能。目前常用的目视解译和传统监督分类的方法不仅非常耗时,且数据中的深层特征难以被挖掘,检测精度有限。利用卷积神经网络技术,提出了基于样本更新和RetinaNet的高分辨率遥感影像非正规垃圾堆检测框架(sample updated-RetinaNet,SU-RetinaNet),分析了不同参数和网络结构对模型检测效果的影响,同时比较了利用可变形部件模型(deformable parts model,DPM)、区域卷积神经网络(region-based convolutional neural network,R-CNN)、快速区域卷积神经网络(faster R-CNN,Faster R-CNN)、RetinaNet和SU-RetinaNet 5种算法进行非正规垃圾堆检测的性能。实验结果表明,利用SU-RetinaNet进行非正规垃圾堆检测的平均精度可以达到85.92%,每张图的检测速度约为0.097 s。相比传统方法,SU-RetinaNet在很大程度上提高了非正规垃圾堆的检测效率,为城市垃圾的有效监测管理提供了一个可行的技术方案。

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.