基于深度学习的城市高分遥感图像变化检测方法的研究

针对城市同一区域不同时相的高分遥感图像,提出了基于深度学习的高分遥感图像变化检测模型。方法采用多尺度裁剪、数值归一化处理、提取绿植等方法进行数据预处理;然后基于U-Net、CE-Net和Deep Lab等语义分割模型,以不同时相的遥感图和变化区域掩码为训练集,设计加权交叉熵损失函数,进行多尺度交叉训练、Adam优化;最后将模型预测的结果输入后处理算法中,采用图割算法graph cut减少模型预测中产生的噪声。实验结果与人工标注的变化区域掩码比较,计算F1分数,通过实验发现将不同的语义分割模型应用到遥感变化检测中都有较好的性能,增加数据预处理和后处理可以有效提升变化检测精度,其中CE-Net相比其他模型效果更好。

浅析国内城市停车现状及信息化解决措施

主要介绍了国内城市停车现状,针对停车问题提出了信息化解决措施,并对智能停车系统的城市道路停车、共享闲置车位、停车场数据采集、停车信息诱导功能进行了阐述,可供参考借鉴。

基于树莓派与神经计算棒的特种车辆检测识别

目前随着深度学习技术的不断发展,越来越多的智能化应用应运而生,用于训练和演算的硬件设备通常以GPU为主,在实际部署和使用过程中会产生较高硬件采购成本和用电成本.因此针对现有深度学习系统中成本与算法可用性的平衡问题,本文提出以树莓派与Movidius神经元计算棒为计算平台,通过改进的SSD+MobileNet算法实现对车辆目标进行识别和检测,并在实际环境中对训练的模型进行测试和调优,最终达到满足实际使用的效果,处理速度为平均每秒4帧.通过实验结果表明,在树莓派这样计算能力较弱的平台上,可以通过类似于Movidius神经元计算棒这样的VPU模块来实现算法的加速,在满足实际使用的情况下还可以大幅度降低计算成本.