n 高分辨率影像地物分類的深度學(xué)習(xí)算法

l 地物分類

我們以Indian Pines、 Pavia University、 Kennedy Space Center等公開數(shù)據(jù)集為研究對象，開發(fā)了面向高光譜地物分類的OBT模型。該模型借鑒了密集連接（DenseBlock）網(wǎng)絡(luò)的思想，每一層的輸出作為輸入連接到后面所有的卷積層，同時這種方法也不需要學(xué)習(xí)冗余的特征圖，減少了參數(shù)量。

高光譜地物分類

l 道路提取：應(yīng)用于交通路網(wǎng)統(tǒng)計、更新，城市規(guī)劃等

道路提取結(jié)果

l 建筑物提取：

可應(yīng)用于城市規(guī)劃、違建執(zhí)法、建筑統(tǒng)計等領(lǐng)域。也可以結(jié)合識別其他的地物，如植被的識別，判斷城市區(qū)域或小區(qū)的綠化率。

建筑物提取結(jié)果

l 農(nóng)田水淹區(qū)提?。簽?zāi)后定損、保險理賠

l 田塊提?。恨r(nóng)業(yè)統(tǒng)計

l 農(nóng)業(yè)大棚提取：農(nóng)業(yè)估產(chǎn)、統(tǒng)計

農(nóng)業(yè)大棚提取

l 海水網(wǎng)箱養(yǎng)殖區(qū)提?。簼O業(yè)估產(chǎn)、執(zhí)法

l 大型船舶檢測

遙感影像船舶檢測（OBT-02）

n 監(jiān)控視頻分類的深度學(xué)習(xí)算法

l 城市積水檢測

l 河道漂浮物檢測

通過基于沿河攝像頭的河道漂浮物的定位與跟蹤溯源，可以在河道治理、河道巡檢、生態(tài)環(huán)保、城市管理方面發(fā)揮重要作用。

針對河道漂浮物小目標(biāo)的問題，采用了Focal Loss結(jié)合One-Stage和3D卷積網(wǎng)絡(luò)模型，通過Focal Loss減少易分類樣本的損失，從而平衡正負(fù)樣本比例，使正樣本在訓(xùn)練中的關(guān)鍵信息能夠發(fā)揮作用，從而提高小目標(biāo)的檢測精度。

l 車牌識別與跟蹤

通過基于城市監(jiān)控攝像頭的車牌識別與跟蹤，可以實施對渣土車等危險駕駛、違規(guī)駕駛行為的自動檢測與識別，提高城市交通安全。

l 手勢及體態(tài)識別