TY - Jour A2 - 王，龙奥孔，玉平苍芳，云澳 - 郭，宋奥 - 王，嘉靖PY - 2021DA - 2021/08/12 Ti - 一种基于改进速率的山峰识别方法-CNN SP - 8235108 VL - 2021 AB - 山峰是重要的地形特征点，这对于了解地貌流程和对环境和生态系统的影响至关重要。传统的峰会检测方法在从数字高程模型（DEM）数据中提取的手工制作功能上运行，并应用参数检测算法来定位山峰。然而，这些方法可能不再有效地实现了所需的识别结果，这一结果是小峰会并遭受缺乏问题的客观标准。因此，为了解决这些问题，我们提出了一种改进的区域卷积神经网络（R-CNN），以准确地检测DEM数据的山峰。基于更快的R-CNN，改进的网络采用剩余卷积块来替换传统部件，并添加特征金字塔网络（FPN）以使具有相邻层的特征熔化，以更好地解决山峰检测任务。使用残余卷积来捕获视觉和物理形态特征之间的深度相关性。FPN用于集成提取的特征图中的位置和语义信息，以有效地代表山峰区域。实验结果表明，建议的网络可以在没有手动设计峰会特征的情况下实现最高召回和精度，并准确地识别小峰值。SN - 1076-2787 UR - https://doi.org/10.1155/2021/8235108 do - 10.1155 / 2021/8235108 jf - 复杂性pb - hindawi kw - er -