基于多特征时空图卷积网络的水运通航密度预测

针对128维尺度不变特征变换(SIFT)特征描述子进行图像局部特征点提取时匹配时间过长,以及三维重建进行特征点配准时的应用局限性,结合深度学习方法,提出一种基于卷积神经网络的SIFT特征描述子降维方法

主要描述了卷积神经网络在特征识别方面的应用,详细描述了卷积神经网络的原理,应用方法,还有信号特征的提取方法

利用基于时空分区的矿井涌水量预测方法对某矿井从建井到生产的矿井正常涌水量和最大涌水量进行了预测,预测成果与实际情况较为一致。经过实践验证,说明基于时空分区的矿井涌水量预测方法具有一定的实用性。

本文复现了基于PyTorch的时空预测模型，相关代码存储在models文件夹中。每个文件夹包含了一个完整模型的代码，复现遵循了相关论文、图示以及GitHub作者的实现（如果有的话）。这些模型的输入Te

针对道路场景下三维激光点云语义分割精度低的问题,提出了一种基于卷积神经网络并结合几何点云多特征的端到端的语义分割方法。首先,通过球面投影构造出点云距离、相邻夹角及表面曲率等特征图像,以便于应用卷积神经

data近期用到的图卷积学习方面的数据集保存记录.

针对全卷积神经网络多次下采样操作导致的道路边缘细节信息损失和道路提取不准确的问题,本文提出了多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取方法。首先,通过目视解译的方法制作大量的道路提取标签数据

预测模型时空预测模型PyTorch复现models文件夹在models目录中每一个文件夹存储一个结构的完整模型代码复现参照了论文中的公式图示以及GitHub作者实现的代码如果有的话这些模型均假定输入的

基于视频图像特征点配准的目标跟踪算法无法兼顾精确性、实时性和鲁棒性。针对该问题，提出一种基于特征位置预测与邻域一致性约束的视频特征快速配准算法。以标注点与目标标记框为模板，通过ORB特征匹配与邻域一致

实现准确变形预测是变形监测的一个重要目的。在基于多模型预测结果的基础上,进而采用求加权平均值的方法构建综合预测模型,并利用粗糙集理论确定相应预测模型在综合预测模型中的权系数,据此则可得出较为准确的预测