工业通用技术及设备论文_结合空间约束的卷积神

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

作者:

关键词:

摘要：

文章目录

0 引言

1 造船企业特征

1.1 船企解译标志

1.2 船企内部空间特征分析

1)船企建设面积统计。

2)内部地物占地面积统计。

3)内部地物空间距离统计。

2 遥感图像船企场景识别理论

2.1 基准网络介绍

2.2 多模型多尺度检测

2.3 多模型多尺度场景识别

2.3.1 全局尺度初检测

2.3.2 局部尺度精检测

2.3.3 空间距离约束

2.4 场景综合评判和识别

1)多尺度标签得分。

2)局部对象标签组合条件。

3)局部对象空间距离约束条件。

3 船企场景识别流程

3.1 样本集制作与影像预处理

3.2 多模型多尺度训练

1)样本划分与增强。

2)网络训练参数设置与结果。

3.3 船企场景识别实验

4 实验结果分析

4.1 江苏省结果与精度

4.2 境外研究区域船企识别结果分析与精度评价

4.2.1 日本研究区域

4.2.2 韩国研究区域

5 结论

文章摘要:船企场景识别对修复沿岸生态环境、保护水域环境以及促进船舶产业的协调发展具有现实意义,但传统方法基于中、低层次的特征难以实现卫星遥感图像中船企的自动识别。为此,提出了结合空间约束的卷积神经网络多模型多尺度船企场景识别方法。首先分别采用全局尺度的船企场景和局部尺度船坞（台）、厂房和船只样本训练多个卷积神经网络模型,并进行多模型多尺度检测;进而对局部对象进行像素级定位并计算对象空间距离;最终结合多尺度检测结果、对象标签组合方式、对象空间距离进行船企场景综合判别与提取。将此方法分别应用于中国江苏省、日本长崎县和爱媛县周边以及韩国木浦市和巨济市周边5个典型造船密集区。结果表明,江苏省整体识别精确度为87%,召回率为85%;日本研究区整体识别精确度为91%,召回率为87%;韩国研究区整体识别精确度为85%,召回率为92%。实验结果表明,此方法可以较好地实现遥感船企复杂场景的识别。

文章关键词:

项目基金:《中国造船》网址: http://www.zgzcbjb.cn/qikandaodu/2021/1223/630.html