基于优化HRNetV2的高分辨率遥感影像土地利用自动分类

研究目的：基于语义分割模型HRNetV2实现高分辨率遥感影像的土地利用自动分类,以期推动深度学习语义分割方法实现遥感影像的土地利用自动分类研究,并为该类研究提供可参考的案例。研究方法：首先对语义分割模型HRNetV2从损失函数、特征提取方面进行优化,以提高模型的分割精度;其次用优化后的HRNetV2模型对民乐县2 m的高分辨率遥感影像进行土地利用分类,并基于混淆矩阵对分类的结果进行评估。研究结果：（1）优化后的HRNetV2语义分割模型的MIOU达81.9%,相较于优化前提高了4.4%, 证明了优化方法的有效性;（2）针对民乐县进行的土地利用自动分类总体精度达89.72%,Kappa系数达0.888。研究结论：优化后的HRNetV2语义分割模型在高分辨率遥感影像的土地利用自动分类中具有较强的应用前景。     

基于残差U-Net的遥感影像土地覆盖类型自动分割

研究目的:土地覆盖的准确分割对于土地调查和规划具有重要意义。针对传统方法对于高分辨率遥感影像分割存在精度和效率较低等问题,提出了深度学习遥感影像分割方法。研究方法:以2 m高分辨率遥感影像为数据源,选用一种加入残差块的U-Net模型(ResU_Net),对目标区域进行基于深度学习的土地覆盖分割,并与SVM、PSPNet、U-Net分割方法进行对比。研究结果:ResU_Net能够更加准确地表达高分辨率遥感影像的地物信息,该方法总体分割精度达到85.50%,Kappa系数为0.7603,总体精度和Kappa系数均高于SVM、PSPNet和U-Net分割方法(总体精度:ResU_Net(85.50%)>U-Net(79.44%)>PSPNet(78.90%)>SVM(66.80%))。研究结论:ResU_Net模型对高分辨率遥感影像的土地覆盖分割效果更优。     

行政事业单位会计改革的探讨

我国行政事业单位的会计问题由来已久,市场经济体制改革愈深,其阻碍愈大,行政事业单位的会计改革应当提上日程.本文简单阐述了行政事业单位改革会计工作的必要性,分析了当前行政事业单位会计工作中存在的问题,探讨了推动行政事业单位会计改革的相关措施.     

提高企业内部审计质量的探讨

审计质量是内部审计工作的综合反映和集中体现,充分有效地发挥审计的监督服务职能、促进审计工作发展、为企业发展保驾护航,提高审计质量是关键所在、当务之急。文章从提高内部审计质量的重要性方面进行了分析,提出了进一步提高内部审计质量、降低审计风险的方法。     

农村劳动力转移情况调查分析

农村劳动力转移是促进农民增收、解决城乡差别的有效途径。湖北省A区农村劳动力转移情况在国内大部分地区广泛存在,对该地农村劳动力转移情况调查结果,有力地支持了上述观点,同时也表明,当前农村劳动力转移中还存在很多限制性因素。政府应该成立专门部门,着力解决农村劳动力转移中存在的问题,大力推进农村劳动力转移,发展劳务经济,通过减少农民、富裕农民,从而缩小城乡差别。