XiaoMi-AI文件搜索系统
World File Search System遥感图像
遥感图像场景分类：基准和最新技术
摘要 —遥感图像场景分类在广泛的应用中起着重要作用，因此受到了广泛关注。在过去的几年中，人们付出了巨大的努力来开发各种数据集或提出各种遥感图像场景分类方法。然而，仍然缺乏对场景分类数据集和方法的文献的系统综述。此外，几乎所有现有的数据集都存在许多局限性，包括场景类别和图像数量的规模小、图像变化和多样性不足以及准确性饱和。这些限制严重限制了新方法的发展，尤其是基于深度学习的方法。本文首先对最近的进展进行了全面回顾。然后，我们提出了一个大规模数据集，称为“NWPU-RESISC45”，这是西北工业大学 (NWPU) 创建的遥感图像场景分类 (RESISC) 的公开基准。该数据集包含 31,500 张图像，涵盖 45 个场景类别，每个类别有 700 张图像。所提出的 NWPU-RESISC45 (i) 在场景类别和总图像数量方面规模庞大，(ii) 在平移、空间分辨率、视点、物体姿势、照明、背景和遮挡方面变化很大，(iii) 类内多样性和类间相似性很高。该数据集的创建将使社区能够开发和评估各种数据驱动算法。最后，使用所提出的数据集评估了几种代表性方法，并将结果报告为未来研究的有用基线。索引术语 — 基准数据集、深度学习、手工制作的特征、遥感图像、场景分类、无监督特征学习。
遥感图像场景分类：基准和最新技术
摘要 —遥感图像场景分类在广泛的应用中起着重要作用，因此受到了广泛关注。在过去的几年中，人们付出了巨大的努力来开发各种数据集或提出各种遥感图像场景分类方法。然而，仍然缺乏对场景分类数据集和方法的文献的系统综述。此外，几乎所有现有的数据集都存在许多局限性，包括场景类别和图像数量的规模小、图像变化和多样性不足以及准确性饱和。这些限制严重限制了新方法的发展，尤其是基于深度学习的方法。本文首先对最近的进展进行了全面回顾。然后，我们提出了一个大规模数据集，称为“NWPU-RESISC45”，这是西北工业大学 (NWPU) 创建的遥感图像场景分类 (RESISC) 的公开基准。该数据集包含 31,500 张图像，涵盖 45 个场景类别，每个类别有 700 张图像。所提出的 NWPU-RESISC45 (i) 在场景类别和总图像数量方面规模庞大，(ii) 在平移、空间分辨率、视点、物体姿势、照明、背景和遮挡方面变化很大，(iii) 类内多样性和类间相似性很高。该数据集的创建将使社区能够开发和评估各种数据驱动算法。最后，使用所提出的数据集评估了几种代表性方法，并将结果报告为未来研究的有用基线。索引术语 — 基准数据集、深度学习、手工制作的特征、遥感图像、场景分类、无监督特征学习。
基于显着性和卷积神经网络的遥感图像中的飞机检测
应探索当前工业无线传感器网络的新算法和架构，以确保在涉及不同问题的各种应用环境中的效率、稳健性和一致性，例如智能电网、供水和天然气监测。遥感图像中的自动物体检测一直是一个热门话题。使用基于区域提议的传统深度卷积网络进行检测，生成的区域提议中存在许多负样本，这会影响模型的检测精度和效率。显著性利用人类视觉注意机制实现自下而上的物体检测。由于用显著性代替选择性搜索可以大大减少提议区域的数量，我们将使用基于背景先验的遥感图像显著性算法获得一些感兴趣区域 (RoI) 及其位置信息。然后，将位置信息映射到深度卷积神经网络获得的整个图像的特征向量。最后，对每个 RoI 进行分类和微调边界框。在本文中，将我们的模型与目前最先进的检测模型 Fast-RCNN 进行了比较。我们的模型mAP达到了99%，比Fast-RCNN提高了12.4%。另外，我们还研究了不同迭代次数对模型的影响，发现10000次迭代的模型已经具有较高的准确率。最后，我们比较了模型的准确率。
从单目遥感图像进行 3D 建筑物重建
与从 LiDAR 数据和多视图影像重建相比，倾斜影像重建是大规模城市建模的重要研究问题和经济解决方案。然而，建筑物足迹和立面的部分不可见性、严重的阴影效应以及大范围区域内建筑物高度的极端变化等若干挑战将现有的基于单目影像的建筑物重建研究限制在某些应用场景中，即从近地面影像建模简单的低层建筑物。在本研究中，我们提出了一种新颖的单目遥感影像 3D 建筑物重建方法，解决了上述困难，从而为更复杂的场景提供了一种有吸引力的解决方案。我们设计了一个多任务建筑物重建网络 MTBR-Net，通过四个语义相关任务和三个偏移相关任务来学习倾斜影像的几何属性、3D 建筑物模型的关键组件及其关系。网络输出通过基于先验知识的 3D 模型优化方法进一步集成，以生成最终的 3D 建筑模型。在公共 3D 重建数据集和新发布的数据集上的结果表明，与目前最先进的方法相比，我们的方法将高度估计性能提高了 40% 以上，将分割 F1 分数提高了 2% - 4%。
有条件的生成对抗网络 - ...
摘要在收成期间缺乏遥感图像在估计农作物产量方面构成了重大挑战。这项研究通过使用条件生成对抗网络的基于病例的推理框架（CGANA-CBR）来克服这一挑战，以在收获期间生成农田的遥感图像。具体来说，该研究使用CGANA-CBR模型生成农田的遥感图像，然后使用这些生成的图像来补充缺乏收获周期数据的真实遥感图像，从而实现了数据增强。随后，训练了卷积神经网络（CNN）模型，以提高平均产量预测的准确性。结果表明，与仅在实际远程感应数据中训练的基线CNN模型相比，RMSE的CNN模型同时结合了实际数据和CGANA-CBR生成的数据，其平均降低为6.3％。研究还发现，训练持续时间和使用的数据量显着影响模型性能，这表明需要在该领域进行进一步研究。
在河口系统中具有非常高分辨率的遥感图像的潮间带微生物生物量
Microphytobenthos（MPB）对河口初级生产产生了重大贡献，因此量化其生物量对于评估其生态系统功能至关重要。传统的抽样方法是劳动的，在逻辑上具有挑战性，无法提供MPB生物量的全面空间分布图。卫星图像提供了一种可行的替代方法，用于绘制各种时间和空间分辨率的大面积。但是，在该场中使用了与原位采样的少量平方Centi米一致的空间分辨率的成像设备。这使得将现场生物量测量与远程感知的辐射测量值相关联。在这项研究中，在不同高度的无人机（UAV）上安装了两个类似的多光谱传感器，以及在〜1 m高度上获得图像的定制设备上，以收集guadalquivir estuta（SpataLquivir estuta）mudflats mudflats mpb Biofilms的非常高的空间分辨率反射数据。此外，使用高光谱谱仪获得原位反射率进行验证。同时，使用2 mM深度接触Corer方法收集了MPB样品，该方法通过高性能液相色谱（HPLC）分析，以测量主要MPB颜料的浓度。为了评估MPB色素和不同反射率的光谱指数，使用了广义的线性混合效应模型（GLMM），从而实现了叶绿素与所有测试的光谱指数之间的显着正相关关系。这些模型用于绘制微卵巢生物量，在
lemevit：具有可学习的元代币的有效视觉变压器用于遥感图像解释
由于遥感中的空间冗余，含有丰富信息的稀疏令牌通常参与自我注意事项（SA），以减少计算中的总体令牌数量，从而避免VI-Sion变形金刚中的高计算成本问题。但是，这种方法通常通过手工制作或平行不友好的设计获得稀疏的令牌，从而提出了挑战，以在效率和性能之间达到更好的平衡。与它们不同，本文建议使用可学习的元代币来制定稀疏令牌，这些代币有效地学习了关键信息，同时提高了推理速度。从技术上讲，元代币首先是通过跨注意力从图像令牌初始初始化的。然后，我们提出双重交叉注意（DCA），以促进图像令牌和元代币之间的信息交换，在该图像令牌和元代币之间，它们在双分支结构中作为查询和钥匙（值）代币，可显着降低与自我注意相比的计算复杂性。通过在早期阶段使用DCA，具有密集的视觉令牌，我们获得了具有各种尺寸的层次结构Lemevit。分类和密集的词典任务的结果表明，Lemevit具有显着性1。7×加速，更少的参数和竞争性能，并且在效率和性能之间取得了更好的权衡。该代码在https://github.com/vitae-transformer/lemevit上发布。
国家安全保障对遥感影像商业化的影响
1994 年 3 月，克林顿政府宣布了一项政策，允许美国公司向公众和外国实体出售遥感图像。1 克林顿政策只是管理遥感图像销售和准备的法律文书之一。它试图使美国的监管制度现代化，使美国公司能够在竞争日益激烈的市场中有效竞争。2 该政策目标尤其重要，因为遥感图像技术发展的增长速度超过了管理它的政策和法规。自 1970 年代以来，美国一直试图在国内和国际上建立一个法律框架，为私营部门提供稳定而全面的监管制度。有了这样的制度，私营部门将获得必要的激励和支持，以证明私人太空企业的巨大费用和风险是合理的。3
国家安全保障对遥感影像商业化的影响
1994 年 3 月，克林顿政府宣布了一项政策，允许美国公司向公众和外国实体出售遥感图像。1 克林顿政策只是管理遥感图像销售和准备的法律文书之一。它试图使美国的监管制度现代化，使美国公司能够在竞争日益激烈的市场中有效竞争。2 该政策目标尤其重要，因为遥感图像技术发展的增长速度超过了管理它的政策和法规。自 1970 年代以来，美国一直试图在国内和国际上建立一个法律框架，为私营部门提供稳定而全面的监管制度。有了这样的制度，私营部门将获得必要的激励和支持，以证明私人太空企业的巨大费用和风险是合理的。3
国家安全保障对遥感影像商业化的影响
1994 年 3 月，克林顿政府宣布了一项政策，允许美国公司向公众和外国实体出售遥感图像。1 克林顿政策只是管理遥感图像销售和准备的法律文书之一。它试图使美国的监管制度现代化，使美国公司能够在竞争日益激烈的市场中有效竞争。2 该政策目标尤其重要，因为遥感图像技术发展的增长速度超过了管理它的政策和法规。自 1970 年代以来，美国一直试图在国内和国际上建立一个法律框架，为私营部门提供稳定而全面的监管制度。有了这样的制度，私营部门将获得必要的激励和支持，以证明私人太空企业的巨大费用和风险是合理的。3