关键词 · 相关资讯与研究
沿着“多尺度深度神经网络”继续探索，共 0 条内容。
针对胡麻倒伏区域识别难题，研究构建改进YOLOv11n-seg模型。改进后的模型在精确度和平均精度均值上分别达到92.6%和95.2%，较原始YOLOv11n-seg模型分别提升3.7个百分点和2.1个百分点。模型参数量仅为1.73 M，计算量为8.0 GFLOPs，模型体积仅为3.8 MB，显示出较好的轻量化优势。该方法兼顾精度与轻量化，为智能化胡麻倒伏监测与实际田间设备部署提供了技术基础。
用深度物种分布模型评估粒度与范围对水生昆虫陆生分布预测的影响。
提出DeepGR4J与区域化混合框架，评估数据稀缺的埃塞俄比亚塔纳湖水量平衡。
提出基于神经细胞自动机的轻量单目深度估计模型，在嵌入式系统上实现实时推理。
提出多模态时空感知融合系统，用迭代膨胀卷积图时序网络分类鱼类应激状态。
综述深度学习多源遥感图像融合方法、挑战与未来方向。
提出轻量级双路径网络DPMFNet，实现复杂农田场景下的作物病虫害高精度识别。
提出MSA-TCNet多尺度注意力Transformer-CNN网络，实现遥感影像中保持细节的高精度
该网络通过多尺度窗口自注意力与空间支路兼顾全局上下文和细粒度边界，在自制及两个公开数据集上提升细碎水体与边界连续性提取精度，适用于高分辨率遥感水体制图，但尚未验证业务化大范围部署效果。
