基于改进Swin-UNet网络的高分辨率遥感影像建筑物提取

针对传统人工提取方法目前在建筑物提取任务中自动化水平低,以及现有的卷积神经网络(convolutional neural network,CNN)、UNet等深度学习方法在遥感影像建筑物提取中边缘提取效果差、提取不完整等问题,文章提出一种基于改进的Swin-UNet网络模型的建筑自动提取方法。新网络模型在原Swin-UNet网络结构基础上,采用跨块注意力机制(cross-attention block,CAB)取代原网络的Swin Transformer块来构建新的网络体系,在武汉大学航空(WHU)建筑数据集和美国马萨诸塞州建筑物数据集建筑物提取试验中验证了模型的适用性。研究结果表明,该方法优于支持向量机(support vector machine,SVM)算法及基于传统的深度学习方法,具有良好的分割精度和鲁棒泛化能力。

基于TransU-Net网络的高分辨率遥感影像水体提取

在高分辨率遥感影像水体提取任务中,基础UNet网络提取精度较低,在规则水体的边缘提取上不够清晰,且对于细小水体提取不够完全。对此,文章提出了一种基于TransU-Net网络模型的水体提取方法。其中,TransU-Net网络模型能够完整有效地对水体边缘和局部特征进行提取。实验结果表明,该方法优于基础UNet方法,提取精度相较基础UNet提高了3.63%,能够有效完成高分辨率遥感影像水体提取任务。

基于多传感器融合技术的智能导盲杖的设计

我国是世界上盲人最多的国家之一,盲人的出行问题,成为当今社会最揪心的话题。鉴于此,本文提出了一种智能导盲杖的设计方案。相比于传统的导盲杖,本次设计的导盲杖可以实现超声波测距避障、语音播报、震动反馈、倒地检测和夜间灯光警示等功能,在一定程度上改善了盲人出行时可能遇到的问题。

最省力的作文方式——钓鱼趣事

早晨，我一起床，脸都没顾得上洗，头也没梳，就急急忙忙地拿起头天晚上准备好的钓鱼工具，向河边飞快地跑去。