林业与农业 | 浏览量 : 0 下载量: 1756 CSCD: 0

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 面向梯田遥感识别的JAM-R-CNN深度网络模型

    • JAM-R-CNN deep learning network model for remote sensing recognition of terraced fields

    • “在遥感识别领域，专家提出了JAM-R-CNN深度网络模型，有效提升了梯田识别精度，具有应用价值。”
    • 2024年28卷第12期 页码：3136-3146   

      收稿：2023-04-21，

      纸质出版：2024-12-07

    • DOI： 10.11834/jrs.20233126     

    移动端阅览

  • 谢君洋，林安琪，吴浩，吴紫薇，吴文斌，余强毅.2024.面向梯田遥感识别的JAM-R-CNN深度网络模型.遥感学报，28（12）： 3136-3146 DOI： 10.11834/jrs.20233126.
    Xie J Y，Lin A Q，Wu H，Wu Z W，Wu W B and Yu Q Y. 2024. JAM-R-CNN deep learning network model for remote sensing recognition of terraced fields. National Remote Sensing Bulletin， 28（12）：3136-3146 DOI： 10.11834/jrs.20233126.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

林安琪 华中师范大学 城市与环境科学学院;地理过程分析与模拟湖北省重点实验室
吴紫薇 华中师范大学 城市与环境科学学院;地理过程分析与模拟湖北省重点实验室
吴文斌 中国农业科学院 农业资源与农业区划研究所
余强毅 中国农业科学院 农业资源与农业区划研究所
杨超 西南交通大学 地球科学与工程学院
刘畅 西南交通大学 地球科学与工程学院
唐腾峰 西南交通大学 地球科学与工程学院
叶沅鑫 西南交通大学 地球科学与工程学院

相关机构

西南交通大学 地球科学与工程学院
北京师范大学 地理科学学部
中山大学 地理科学与规划学院
中国科学院地理科学与资源研究所
中国科学院空天信息创新研究院
0