针对全球储油罐检测的TCS-YOLO模型

原油作为一种重要的战略物资,在我国经济和军事等多个领域均起到重要作用。本文提出一种基于深度学习的目标检测模型TCS-YOLO(Transformer-CBAM-SIoU YOLO),该模型在YOLOv5的基础上进行优化,同时基于吉林一号光学遥感卫星影像数据集进行实验,对全球范围内的储油罐进行识别与分类。优化内容包括:添加基于Transformer架构的C3TR层对网络进行优化;使用CBAM(Convolutional Block Attention Module)在网络层中添加注意力机制;使用SIoU(Scale-Sensitive Intersection over Union) loss代替CIoU(Complete Intersection over Union) loss作为定位损失函数。实验结果表明:与YOLOv5相比,TCS-YOLO的模型复杂度(Giga Floating Point of Operations,GFLOPs)平均减少3.13%,模型参数量(Parameters)平均减少0.88%,推理速度(Inference Speed)平均降低0.2 ms,mAP0.5(mean Average Precision)平均提升0.2%,mAP0.5∶0.95平均提升1.26%。与此同时,将TCS-YOLO模型与通用目标识别模型YOLOv3,YOLOv4,YOLOv5和Swin Transformer进行对比实验,TCS-YOLO均体现出了更高效的特点。TCS-YOLO模型对全球储油罐的目标识别具有通用可行性,可为遥感数据在能源期货领域提供技术参考。

吉林一号卫星在浙江省固定资产投资统计中的应用

固定资产投资与国民经济发展息息相关,但投资项目存在点多面广的监测难点。随着广域高频次吉林一号商业卫星星座的快速建设,可为投资项目监管提供及时、高分辨率的卫星数据服务。本文依托吉林一号卫星遥感影像,建立了一套服务于省域固定资产投资统计项目的遥感监测流程,通过在建阶段分类、建筑物轮廓识别、阴影测量与高度测算、形象进度测算等关键技术快速获取各项遥感监测指标,满足面向浙江省固定资产投资统计中不同尺度、不同监测目的下的服务需求。

Vue框架在地理信息检索系统中的应用

随着地理信息数据获取技术日渐完善,地理信息数据在遥感领域应用的不断深入,人们对海量地理信息数据的检索需求也在不断提高。论文立足于地理信息数据高效检索的研究方向,采用数据驱动框架Vue实现海量地理信息数据的可视化展示。Vue作为当今时代热门的前端框架之一,提供了一种快速构建并开发前端项目新的思维。论文分析并探讨了Vue在地理信息检索系统应用的可行性及实现方法,并证明了Vue的优势可在地理信息检索系统得到有效的利用。

光学遥感观测技术在IDI保险行业的应用

IDI保险是工程质量类保险的一种,在国内主要应用于住宅项目。IDI保险需要在工程建设的全过程中进行质量管控和风险评估。常规水准检测、GPS等技术难以满足IDI保险对风险建筑进行大范围、快速、长期监测的需要。光学遥感观测技术是一种可以实现大面积地物监测的遥感观测技术,该技术可以为IDI保险的监测工作提供数据信息支持。论文整理了近几年关于光学遥感观测技术应用于建筑高度监测的文献,对分类法、边缘检测法、阈值法进行介绍和总结,说明光学遥感观测技术在IDI保险行业中有较高的应用价值和广阔的应用前景。