道路提取算法及火災下疏散路網(wǎng)生成
【文章頁數(shù)】:59 頁
【學位級別】:碩士
【部分圖文】:
圖1.1整體研究框架
第一章緒論5耦合致災機理與規(guī)律”(2016YFC0800100),和國家自然科學基金項目“多約束Power圖快速計算算法研究”(61972128)。1.4研究內(nèi)容災害發(fā)生的時候利用現(xiàn)有技術(shù)和手段讓救援人員明晰災害現(xiàn)場的真實情況是搶險救災正確指揮的重要保障,因此研究火災下的疏散路網(wǎng)....
圖2.1CNN與FCN的工作原理
第二章相關(guān)工作介紹7第二章相關(guān)工作介紹本章介紹支撐災害環(huán)境感知方法中使用的算法和相關(guān)理論,首先是基于深度學習方法的道路識別相關(guān)理論,其次是基于顏色空間規(guī)則的火焰識別相關(guān)理論。2.1道路抽取方法相關(guān)工作在分析了國內(nèi)外對航拍圖像的道路網(wǎng)絡(luò)抽取方法后,經(jīng)過比較本文選擇使用深度學習方法做....
圖2.2不同空洞率的空洞卷積(a)空洞率為1,(b)空洞率為2,(c)空洞率為4
ield)。在道路抽取任務中,由于道路像素的個數(shù)在數(shù)據(jù)集的圖像中相對于非道路來說占整個圖像的像素點個數(shù)的比例較小,且道路有曲折復雜、縱橫交錯的特點而導致精確的道路抽取工作十分困難。為了應對這些難點獲得更高的識別精度,應該盡可能的保證特征信息的全局性,而特征圖感受野的適當增大可以使....
圖3.1D-CrossLinkNet模型結(jié)構(gòu)圖,其中①為編碼器②為中間部分③為解碼器Fig3.1D-CrossLinkNetmodelstructurediagram,Part1istheencoder,Part2istheCenterpart,Part3isthedecoder.本文提出的D-CrossLinkNet可以分為三個部分,分別為編碼器、中間部分、
合肥工業(yè)大學專業(yè)碩士研究生學位論文12像素點的丟失從而引起了圖像細節(jié)信息的丟失。其次D-LinkNet值在網(wǎng)絡(luò)模型的最后一層使用了空洞卷積層,沒有很好的利用多層次的特征信息,在現(xiàn)代的語義分割任務的實踐中,利用多尺度數(shù)據(jù)是主流思想。由此,本文提出了雙空洞卷積模塊,在多次空洞卷積操作....
本文編號:4002470
本文鏈接:http://www.lk138.cn/kejilunwen/shengwushengchang/4002470.html