林业与农业 | 浏览量 : 0 下载量: 470 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   

      纸质出版日期: 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
邵攀 三峡大学 湖北省水电工程智能视觉监测重点实验室;三峡大学 计算机与信息学院
高梓昂 三峡大学 湖北省水电工程智能视觉监测重点实验室;三峡大学 计算机与信息学院
雷相达 南京信息工程大学 遥感与测绘工程学院
管海燕 南京信息工程大学 遥感与测绘工程学院

相关机构

三峡大学 湖北省水电工程智能视觉监测重点实验室
三峡大学 计算机与信息学院
南京信息工程大学 遥感与测绘工程学院
武汉大学 测绘遥感信息工程国家重点实验室
中国科学技术大学 网络空间安全学院
0