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。     

线损的分析与对策

以理论同实践相结合的方式以及加强企业管理的方法介绍了电网的线损构成以及针对电网的特点所应采取的降损措施，以此达到降损的目的，提高企业的经济效益。     

怎样与狼共舞

根据478号国务院令,《中华人民共和国外资银行管理条例》于12月11日正式实施,这预示着我国商业银行与狼共舞时代的全面到来。外资银行的竞争实力不容低估。与中资银行相比,外资银行优势主要体现在以下几方面:一是资产质量方面的优势。从坏账率、资本充足率、新增资产质量等几方面看,外资银行优势是可以用严格的会计技术做比较。二是技术及产品优势。三是体制优势。且不论在产权制度方面的基础制度差距,外资银行全能型银行的体制就已占尽了优势。四是信用文化优势。根据有关金融人士的观点,相当多的“中产阶级”对财务隐私非常重视,在他们眼…