期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Python的基础地理信息DLG融合与检查方法
1
作者
黄习艺
何敏
郭海京
《现代信息科技》
2023年第23期140-145,150,共7页
传统基础地理信息DLG融合更新采用人工处理的方式,工作效率低且易出错,为了实现稳定高效且准确地进行基础地理信息DLG融合和检查的目的,文章研究梳理了DLG融合检查相关技术,基于Python设计开发了基础地理信息DLG融合与检查程序,实现了...
传统基础地理信息DLG融合更新采用人工处理的方式,工作效率低且易出错,为了实现稳定高效且准确地进行基础地理信息DLG融合和检查的目的,文章研究梳理了DLG融合检查相关技术,基于Python设计开发了基础地理信息DLG融合与检查程序,实现了道路、水系、居民地、植被等融合的批量处理,同时针对基础地理信息DLG融合成果提供了一系列的质量检查功能,程序操作简便。通过相关数据验证,程序能够极大地提高作业效率和成果质量。
展开更多
关键词
PYTHON
基础地理信息
DLG融合
质量检查
下载PDF
职称材料
面向业务的自然资源智能解译样本分类研究与实践
2
作者
金诗程
高绵新
+2 位作者
马晓黎
黄习艺
晏梓寰
《华南师范大学学报(自然科学版)》
CAS
北大核心
2023年第6期88-97,共10页
深度学习是当代人工智能发展的核心技术,基于深度学习的自然资源要素智能解译已然成为热门研究课题,为实现深度学习技术在自然资源监测监管方面的工程化应用,亟需以业务为导向进行样本分类,建设服务于自然资源管理的智能解译样本库。文...
深度学习是当代人工智能发展的核心技术,基于深度学习的自然资源要素智能解译已然成为热门研究课题,为实现深度学习技术在自然资源监测监管方面的工程化应用,亟需以业务为导向进行样本分类,建设服务于自然资源管理的智能解译样本库。文章首先对智能解译任务和样本集分类现状进行分析,提出样本数据集分类存在的问题;然后,基于现有数据基础、自然资源分类体系和自然资源管理业务需求,提出了面向业务的自然资源智能解译样本分类方法;其次,按4种解译任务进行样本的分类;最后,以广东省为例,开展样本分类实践,实践结果表明该方法具有一定的可行性,并能有效应用于广东省自然资源综合解译样本库建设。
展开更多
关键词
遥感
智能解译
样本分类
自然资源业务
下载PDF
职称材料
题名
基于Python的基础地理信息DLG融合与检查方法
1
作者
黄习艺
何敏
郭海京
机构
广东省国土资源测绘院
自然资源部华南热带亚热带自然资源监测重点实验室
广东省自然资源科技协同创新中心
出处
《现代信息科技》
2023年第23期140-145,150,共7页
基金
广东省科技计划项目(2021B1212100003)。
文摘
传统基础地理信息DLG融合更新采用人工处理的方式,工作效率低且易出错,为了实现稳定高效且准确地进行基础地理信息DLG融合和检查的目的,文章研究梳理了DLG融合检查相关技术,基于Python设计开发了基础地理信息DLG融合与检查程序,实现了道路、水系、居民地、植被等融合的批量处理,同时针对基础地理信息DLG融合成果提供了一系列的质量检查功能,程序操作简便。通过相关数据验证,程序能够极大地提高作业效率和成果质量。
关键词
PYTHON
基础地理信息
DLG融合
质量检查
Keywords
Python
basic geographic information
DLG fusion
quality inspection
分类号
TP311.1 [自动化与计算机技术—计算机软件与理论]
TP39 [自动化与计算机技术—计算机应用技术]
P208 [天文地球—地图制图学与地理信息工程]
下载PDF
职称材料
题名
面向业务的自然资源智能解译样本分类研究与实践
2
作者
金诗程
高绵新
马晓黎
黄习艺
晏梓寰
机构
广东省国土资源测绘院
自然资源部华南热带亚热带自然资源监测重点实验室
出处
《华南师范大学学报(自然科学版)》
CAS
北大核心
2023年第6期88-97,共10页
基金
广东省科技计划项目(2021B1111610001,2021B1212100003)。
文摘
深度学习是当代人工智能发展的核心技术,基于深度学习的自然资源要素智能解译已然成为热门研究课题,为实现深度学习技术在自然资源监测监管方面的工程化应用,亟需以业务为导向进行样本分类,建设服务于自然资源管理的智能解译样本库。文章首先对智能解译任务和样本集分类现状进行分析,提出样本数据集分类存在的问题;然后,基于现有数据基础、自然资源分类体系和自然资源管理业务需求,提出了面向业务的自然资源智能解译样本分类方法;其次,按4种解译任务进行样本的分类;最后,以广东省为例,开展样本分类实践,实践结果表明该方法具有一定的可行性,并能有效应用于广东省自然资源综合解译样本库建设。
关键词
遥感
智能解译
样本分类
自然资源业务
Keywords
remote sensing
intelligent interpretation
sample classification
natural resources business
分类号
P962 [天文地球—自然地理学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Python的基础地理信息DLG融合与检查方法
黄习艺
何敏
郭海京
《现代信息科技》
2023
0
下载PDF
职称材料
2
面向业务的自然资源智能解译样本分类研究与实践
金诗程
高绵新
马晓黎
黄习艺
晏梓寰
《华南师范大学学报(自然科学版)》
CAS
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部