海岸帶遙感智能解譯樣本庫(kù)建設(shè)及應(yīng)用關(guān)鍵技術(shù)研究_第1頁(yè)
海岸帶遙感智能解譯樣本庫(kù)建設(shè)及應(yīng)用關(guān)鍵技術(shù)研究_第2頁(yè)
海岸帶遙感智能解譯樣本庫(kù)建設(shè)及應(yīng)用關(guān)鍵技術(shù)研究_第3頁(yè)
海岸帶遙感智能解譯樣本庫(kù)建設(shè)及應(yīng)用關(guān)鍵技術(shù)研究_第4頁(yè)
海岸帶遙感智能解譯樣本庫(kù)建設(shè)及應(yīng)用關(guān)鍵技術(shù)研究_第5頁(yè)
已閱讀5頁(yè),還剩51頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

海岸帶遙感智能解譯樣本庫(kù)建設(shè)海岸帶遙感智能解譯樣本庫(kù)建設(shè)及應(yīng)用關(guān)鍵技術(shù)研究P1匯報(bào)提綱:01研究背景02研究難點(diǎn)03技術(shù)探索04成果應(yīng)用05下步展望P2 P3P4人工智能的發(fā)展AI知識(shí)圖譜人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)之間關(guān)系今天今天...50年代60-80年代20052011-201650年代60-80年代20052011-201690-2000年代人工智能萌芽持續(xù)發(fā)展淺層學(xué)習(xí)模型興起工業(yè)界應(yīng)用出現(xiàn)新浪潮飛速發(fā)展深度學(xué)習(xí)在遙感領(lǐng)域的應(yīng)用!!!!多光譜高光譜SAR紅外P5要素提取與分類(lèi)變化監(jiān)測(cè)P6海岸帶遙感智能解譯政策需求圍填海監(jiān)管?chē)詈1O(jiān)管二十大報(bào)告,發(fā)展海洋經(jīng)濟(jì),保護(hù)海洋快建設(shè)海洋強(qiáng)國(guó)。2018年7月,《國(guó)務(wù)院關(guān)于加強(qiáng)濱海濕地保護(hù)嚴(yán)格管控圍填海的通知》,建立動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)。2021年12月,《生態(tài)保護(hù)和修復(fù)支撐體系重大工程建設(shè)規(guī)劃(2021-2035)》,全覆蓋、全要素動(dòng)態(tài)實(shí)時(shí)監(jiān)管。水深探測(cè)2023年8月,《自然資源部關(guān)于加快測(cè)繪地理信息事業(yè)轉(zhuǎn)型升級(jí)更好支撐高質(zhì)量發(fā)展的意見(jiàn)》發(fā)布,明確提出大力推進(jìn)智能化測(cè)繪技術(shù)體系建設(shè)。水深探測(cè)生態(tài)監(jiān)測(cè)2023年9月,自然資源部年度重點(diǎn)工作推進(jìn)會(huì),強(qiáng)調(diào)推進(jìn)海洋強(qiáng)國(guó)建設(shè),加強(qiáng)圍填海管控,規(guī)范養(yǎng)殖、光伏、風(fēng)電等行業(yè)用海。生態(tài)監(jiān)測(cè)……衛(wèi)星海洋監(jiān)測(cè)能力的發(fā)展P7遙感樣本庫(kù)建設(shè)發(fā)展光學(xué)遙感樣本光學(xué)遙感樣本變化檢測(cè) 場(chǎng)景分類(lèi)變化檢測(cè) 場(chǎng)景分類(lèi)目標(biāo)檢測(cè)地物分類(lèi)常用的開(kāi)源樣本常用的開(kāi)源樣本開(kāi)源樣本發(fā)展情況開(kāi)源樣本發(fā)展情況SARSAR樣本P8 P9遙感影像的特殊性遙感圖像遙感圖像幅面大通用圖像深度學(xué)習(xí)模型幅面小譜類(lèi)型少類(lèi)型多尺度有限多尺度光譜通道少譜類(lèi)型少類(lèi)型多尺度有限多尺度光譜通道少深度學(xué)習(xí)框架"yicrcr"yicrcrP10通用網(wǎng)絡(luò)難以適用于遙感影像P10海岸帶區(qū)域特殊性海岸帶監(jiān)測(cè)難點(diǎn)P11P12海岸帶要素特殊性海岸帶要素混雜大量水體信息,同一地物的特征多變。海岸帶要素往往沒(méi)有人類(lèi)干預(yù),其形狀不規(guī)則、邊界模糊。海岸帶要素以上特征導(dǎo)致要素特征不顯著,產(chǎn)生大量偽變化。真變化真變化偽變化偽變化 P13P14指導(dǎo)模型應(yīng)用樣本庫(kù)構(gòu)建模型應(yīng)用樣本庫(kù)構(gòu)建模型定性及定量精度驗(yàn)證模型推理與集成模型應(yīng)用與更新模型構(gòu)建影像預(yù)處理樣本分類(lèi)體系影像預(yù)處理樣本分類(lèi)體系半自動(dòng)化樣本標(biāo)注樣本清洗與增強(qiáng)!引入注意力機(jī)制等技術(shù)進(jìn)行模型優(yōu)化!訓(xùn)練策略制定最優(yōu)模型生成多源影像數(shù)據(jù)處理與海岸帶空間約束海岸帶區(qū)域空間約束海岸帶區(qū)域空間約束多源影像融合影像篩選及預(yù)處理影像融合策略水體水面類(lèi)型干旱、非水性表面洪水空間約束NDWI-1~0.3-0.3~0影像融合策略水體水面類(lèi)型干旱、非水性表面洪水空間約束NDWI-1~0.3-0.3~00~0.2>0.2影像篩選及預(yù)處理P15樣本庫(kù)建設(shè)-樣本分類(lèi)體系與解譯標(biāo)志樣本樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫(kù)分類(lèi)體系建設(shè)P16參考《國(guó)土空間調(diào)查、規(guī)劃、用途管制分類(lèi)指南(試行)》,對(duì)海岸帶用海類(lèi)型進(jìn)一步細(xì)分樣本庫(kù)建設(shè)-基于SAM的樣本標(biāo)注樣本樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫(kù)待標(biāo)注影像區(qū)域輸入先驗(yàn)點(diǎn)SAM分割標(biāo)注矢量邊緣細(xì)節(jié)P17樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫(kù)待標(biāo)注影像區(qū)域輸入先驗(yàn)點(diǎn)SAM分割標(biāo)注矢量邊緣細(xì)節(jié)P17分類(lèi)體系建設(shè)樣本標(biāo)注樣本庫(kù)建設(shè)-樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫(kù)分類(lèi)體系建設(shè)部分外業(yè)調(diào)查點(diǎn)位無(wú)人機(jī)影像無(wú)人機(jī)采集記錄部分外業(yè)調(diào)查點(diǎn)位紅樹(shù)林現(xiàn)場(chǎng)照片蘆葦現(xiàn)場(chǎng)照片紅樹(shù)林現(xiàn)場(chǎng)照片樣本標(biāo)注樣本庫(kù)建設(shè)-樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫(kù)分類(lèi)體系建設(shè)改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu),使用U-Net替換原始全卷積網(wǎng)絡(luò),首次將FastAugument應(yīng)用于海岸帶遙感語(yǔ)義分割樣本增強(qiáng)支持多波段、多種遙感數(shù)據(jù)格式的快速自動(dòng)增強(qiáng),支持策略遷移可視化增強(qiáng)策略,對(duì)增強(qiáng)策略進(jìn)行二次篩選影像標(biāo)簽標(biāo)簽樣本標(biāo)注樣本庫(kù)建設(shè)-樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫(kù)分類(lèi)體系建設(shè)樣本樣本入庫(kù)質(zhì)量質(zhì)量控制歸一化歸一化整合智能解譯模型研發(fā)智能解譯模型研發(fā)-要素特征分析狀態(tài)分析物候分析生長(zhǎng)初期呈淺綠色,由于樹(shù)枝樹(shù)葉剛剛發(fā)芽,影像觀察生長(zhǎng)密度較松散生長(zhǎng)中期呈現(xiàn)深綠色,由狀態(tài)分析物候分析生長(zhǎng)初期呈淺綠色,由于樹(shù)枝樹(shù)葉剛剛發(fā)芽,影像觀察生長(zhǎng)密度較松散生長(zhǎng)中期呈現(xiàn)深綠色,由于樹(shù)枝樹(shù)葉生長(zhǎng)茂盛,影像觀察生長(zhǎng)密度較緊密生長(zhǎng)后期呈現(xiàn)黃綠色,由于紅樹(shù)林樹(shù)葉枯萎,影像觀察生長(zhǎng)密度松散知識(shí)尺度分析尺度分析光譜分析智能解譯模型研發(fā)-要素解譯模型改進(jìn)的改進(jìn)的DeepLabV3+模型RSMamba模型標(biāo)注影像提取標(biāo)注影像提取單棵和稀疏紅樹(shù)林稀疏、小尺度多尺度混合多尺度混合邊界不規(guī)則BIT模型智能解譯模型研發(fā)-變化檢測(cè)模型BIT模型算法流程算法流程逐層貪婪訓(xùn)練逐層貪婪訓(xùn)練CNN主干網(wǎng)絡(luò)負(fù)責(zé)提取高級(jí)語(yǔ)義特征BIT主模塊負(fù)責(zé)重構(gòu)深度特征預(yù)測(cè)頭則負(fù)責(zé)生成像素級(jí)的預(yù)測(cè)結(jié)果模型推理提取結(jié)果模型推理提取結(jié)果模型訓(xùn)練模型訓(xùn)練P24成果集成-軟件與系列工具集系列樣本標(biāo)注、生產(chǎn)、模型推理工具系列樣本標(biāo)注、生產(chǎn)、模型推理工具海洋遙感產(chǎn)品分析系統(tǒng)-智能解譯模塊樣

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論