基于时空特征的生猪动作识别

针对现代化养殖业无人化、智能化的需求,以目标检测网络YOLOv2为基础,提出了一种基于深度学习提取时空特征的生猪动作识别与定位的方法.对待检测视频关键帧中的生猪空间位置信息与视频流时序动作特征进行检测,采用通道注意力模块将这2种特征进行合理且平滑的特征融合,实现了一个端到端的动作识别网络,可以直接从视频序列中预测得到关...     

基于遥感更新的省级生物丰度归一化系数研究——以湖北省为例

在中国资源环境数据库三期数据支撑下,利用2005年TM影像对湖北省土地利用信息的数据遥感更新,计算出1995年和2000年两个时期的湖北省省级生物丰度归一化系数,并对不同尺度的归一化系数进行分析和研究.绘制出1995年、2000年湖北省生物丰度等级图,清晰反映出湖北省生物丰度的区域分异规律,为我国生态环境影响评价研究提供技术支持.     

基于深度学习的交通路口自动识别

基于车辆轨迹数据提取道路信息已经成为数字地图更新的一种有效而廉价的方法，引起了广泛的研究。交通路口是道路信息的重要组成，如何快速而准确提取交通路口具有一定的挑战。深度学习的快速发展为解决这一问题提供了一种新的思路。本文针对轨迹数据在交通路口的分布特性，首先提出一种基于LSTM深度学习的转弯轨迹模式自动提取方法，通过统计航向变化规律对路口转弯轨迹进行建模分类，然后采用LSTM深度模型学习轨迹时间序列，从而实现转弯轨迹模式的自动识别，训练好的模型可以对新的未知轨迹数据实现自动快速地提取转弯轨迹。其次，针对因路口转弯点的稀疏性而影响准确定位路口中心这一难点，本文提出一种联合补偿点计算和转弯轨迹航向变化幅度的方法选取路口候选点，然后通过聚类路口候选点识别道路交叉口。为验证和评估该方法的有效性，采用福州市鼓楼区出租车实际轨迹数据进行测试。结果表明，该方法道路交叉口识别准确率达到96.7%，为电子地图实时更新及无人驾驶自动导航应用等提供关键技术支持，同时我们开放该方法源代码和实验数据，以便于其他研究者开展相关研究。