基于U型卷积神经网络的航空影像建筑物检测

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30km2、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。

地方报业新闻客户端的突围之路

移动互联网时代，从阅读报纸杂志转向浏览网站的网民，’又从网页端阅读逐步转向了移动化阅读。在这种时代背景下，新闻客户端的竞争愈发激烈。国内新闻客户端的用户规模呈现稳定增长的态势，无论是线上门户网站还是线下传统媒体，都不约而同地向移动端发展，各类新闻客户端百花齐放，在差异化、个性化及用户体验上互相角逐。本文分析新闻客户端的形态特点和内容生产方式，并就地方报业新闻客户端的发展提出建议。