道路提取算法及火灾下疏散路网生成
【文章页数】:59 页
【学位级别】:硕士
【部分图文】:
图1.1整体研究框架
第一章绪论5耦合致灾机理与规律”(2016YFC0800100),和国家自然科学基金项目“多约束Power图快速计算算法研究”(61972128)。1.4研究内容灾害发生的时候利用现有技术和手段让救援人员明晰灾害现场的真实情况是抢险救灾正确指挥的重要保障,因此研究火灾下的疏散路网....
图2.1CNN与FCN的工作原理
第二章相关工作介绍7第二章相关工作介绍本章介绍支撑灾害环境感知方法中使用的算法和相关理论,首先是基于深度学习方法的道路识别相关理论,其次是基于颜色空间规则的火焰识别相关理论。2.1道路抽取方法相关工作在分析了国内外对航拍图像的道路网络抽取方法后,经过比较本文选择使用深度学习方法做....
图2.2不同空洞率的空洞卷积(a)空洞率为1,(b)空洞率为2,(c)空洞率为4
ield)。在道路抽取任务中,由于道路像素的个数在数据集的图像中相对于非道路来说占整个图像的像素点个数的比例较小,且道路有曲折复杂、纵横交错的特点而导致精确的道路抽取工作十分困难。为了应对这些难点获得更高的识别精度,应该尽可能的保证特征信息的全局性,而特征图感受野的适当增大可以使....
图3.1D-CrossLinkNet模型结构图,其中①为编码器②为中间部分③为解码器Fig3.1D-CrossLinkNetmodelstructurediagram,Part1istheencoder,Part2istheCenterpart,Part3isthedecoder.本文提出的D-CrossLinkNet可以分为三个部分,分别为编码器、中间部分、
合肥工业大学专业硕士研究生学位论文12像素点的丢失从而引起了图像细节信息的丢失。其次D-LinkNet值在网络模型的最后一层使用了空洞卷积层,没有很好的利用多层次的特征信息,在现代的语义分割任务的实践中,利用多尺度数据是主流思想。由此,本文提出了双空洞卷积模块,在多次空洞卷积操作....
本文编号:4002470
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/4002470.html