期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于无人机高光谱数据和3D-2D-CNN的天然次生林主要树种分类研究
1
作者 李昊 全迎 +3 位作者 刘建阳 卞少杰 王斌 李明泽 《南京林业大学学报(自然科学版)》 2026年第2期9-18,共10页
【目的】为了提高我国东北典型天然次生林主要树种分类的准确性,提出一种针对无人机高光谱图像的卷积神经网络(convolution neural network,CNN)树种分类框架。【方法】以东北林业大学帽儿山实验林场天然次生林水曲柳(Fraxinus mandshur... 【目的】为了提高我国东北典型天然次生林主要树种分类的准确性,提出一种针对无人机高光谱图像的卷积神经网络(convolution neural network,CNN)树种分类框架。【方法】以东北林业大学帽儿山实验林场天然次生林水曲柳(Fraxinus mandshurica)、胡桃楸(Juglans mandshurica)、榆树(Ulmus sp.)和白桦(Betula platyphylla)的4个主要树种为研究对象,采用新型无人机载高光谱成像仪对7个不同区域进行影像采集。以地面实测数据为参考构建不同树冠尺寸的单木数据集,并以7∶3的比例划分训练集和测试集,构建了包含三维卷积层和二维卷积层的3D-2D-CNN模型,通过3D卷积层提取光谱-空间耦合特征,2D卷积层提取细节特征,从而有效增强模型对数据整体特征的学习能力;将该模型与2D-CNN、3D-CNN以及基于特征筛选的机器学习模型[随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和梯度增强机(gradient boosting machine,GBM)]进行对比实验。此外,采用逐波段逐步移除方法分析了波段的重要性,并探讨了模型对光谱特征的敏感性。【结果】构建的3D-2D-CNN分类模型对研究区4个主要树种的分类准确率达到了87%,F1分数为0.86,相较其他对比算法,总体精度提高了5%~6%。波段重要性分析表明,近红外波段对分类结果影响显著。【结论】基于高光谱图像的3D-2D-CNN模型通过有效结合光谱与空间信息,显著提升了对天然次生林树种分类的准确性,比传统分类方法表现优越,可为森林资源管理和生态系统的遥感监测提供技术支持。 展开更多
关键词 天然次生林 树种分类 高光谱图像 3d-2d-cnn模型 卷积神经网络 机器学习 波段重要性分析
原文传递
基于卷积神经网络的三维CAD模型分类 被引量：11
2
作者 丁博 伊明 《哈尔滨理工大学学报》 CAS 北大核心 2020年第1期66-72,共7页
由于三维CAD模型内在的复杂性,实现模型的自动分类是一个难题。所以提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的三维CAD模型自动分类方法,首先采用球体将三维CAD模型完全包住,获取模型沿固定视角的二维投影视图集... 由于三维CAD模型内在的复杂性,实现模型的自动分类是一个难题。所以提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的三维CAD模型自动分类方法,首先采用球体将三维CAD模型完全包住,获取模型沿固定视角的二维投影视图集;然后采用Apriori甄选出其中的典型视图,将典型视图作为卷积神经网的输入;在AlexNet模型的基础上进行参数调整,并将其作为三维CAD模型分类器;最后选取正向传播和反向传播相结合的方式对卷积神经网络进行训练,以提高其泛化性能。实验表明,该方法能够提高模型分类的准确性和效率。 展开更多
关键词 三维CAD模型 卷积神经网络 二维视图 APRIORI算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部