基于多源数据的黄河冰凌监测技术研究

为提升黄河冰凌监测的准确性与效率,克服传统人工观测在精度和效率上的局限,通过整合卫星遥感、无人机遥感及视频监控技术,开展基于多源数据的黄河冰凌监测技术研究。该技术能够利用多光谱遥感影像结合雪被指数法,实现对河道冰凌的全面监测,同时,借助无人机自动识别技术精确获取冰凌的关键参数,并通过视频监控技术实时发现并预警冰凌密度变化。在这项研究中,无人机遥感参数的误差被控制在5%以内,视频监控技术的误差最大为7.2%,最小仅为0.1%。基于多源数据的冰凌监测技术在山东黄河河务局的应用表明:该技术不仅显著提高工作效率,还变革传统的冰凌监测模式,极大地支撑河道管理及相关业务工作,对高纬度地区河流冰凌灾害的智能监测预警具有重要价值,也为可视化冰情分析提供可靠的图像成果,未来有着广泛的应用潜力。

用于快速服装搭配的FMatchNet算法

目的针对现有服装搭配系统中,提取服装图像深度特征进行搭配所需时间过长的问题,提出了一种新的FMatchNet网络提取哈希特征进行服装快速搭配的方法。方法首先采用快速区域卷积神经网络(Faster-RCNN)方法检测出图像中的服装,用此服装进行搭配可以最大限度地保留服装信息并消除背景信息的干扰。然后用深度卷积神经网络提取服装的深度特征并产生服装的哈希码,采用查询扩展的方法完成服装搭配。模型采用Siamese网络的训练方法使哈希码尽可能保留服装图像的语义信息。另外,由于目前国际上缺少大型时尚服装数据库,本文扩建了一个细粒度标注的时尚服装数据库。结果在FClothes数据库上验证本文方法并与目前流行的方法进行对比,本文方法在哈希长度为16时,上、下服装搭配方面的准确度达到了50.81%,搭配速度相对于基本准线算法提高了近3倍。结论针对大规模服装搭配问题,提出一种新的FMatchNet网络提取特征进行服装快速搭配的方法,提高了服装搭配的精度和速度,适用于日常服装搭配。