多模态融合的高分遥感图像语义分割方法

俯拍图像固有的对高度信息不敏感或缺乏,导致传统模型提取的特征缺乏景深信息.为解决此问题,提出一种将数值地表模型(Digital Surface Model,DSM)与RGB信息相结合的多模态融合模型SEU-Net(Squeeze and Excitation U-Net),该模型使用SE模块将DSM图像的空间信息编码为权重加至对应的RGB图像的特征图通道上,以获得更具判别性的特征,并以端到端的方式输出分割图片.提出的模型在ISPRS遥感图像分割数据集上进行了实验验证,取得了88.8%的分割精度;对高度信息敏感的目标,分割效果提升明显.

浅谈电商大战中的商业伦理问题

随着互联网行业的发展,电商行业迅速崛起,电商之间激烈的竞争中,暴露出许多商业伦理问题;同时,社会各界对商业伦理与企业社会责任的关注也越来越高。本文就近年来电商大战中出现的一些商业伦理问题进行分析,并从各参与主体出发,提出解决措施。

基于深度学习的交通标志检测系统仿真

交通标志是规范驾驶员驾驶的重要指标信息,如何检测交通标志是无人驾驶和辅助驾驶中的关键一环。利用PYQT开发一套基于深度学习的交通标志检测系统,系统包括4个主要模块:用户信息模块、摄像头采集模块、检测模块和保存结果模块。对比目前主流的深度学习目标检测算法YOLOv3和Faster-RCNN在交通标志上的检测效果,并采用YOLOv3作为系统仿真算法,仿真结果表明,YOLOv3兼顾了实时检测和检测精度要求,对无人驾驶和辅助驾驶研究具有一定应用价值。