n 高分辨率影像地物分类的深度学习算法

l 地物分类

我们以 Indian Pines 、 Pavia University 、 Kennedy Space Center 等公开数据集为研究对象，开发了面向高光谱地物分类的 OBT 模型。该模型借鉴了密集连接（ DenseBlock ）网络的思想，每一层的输出作为输入连接到后面所有的卷积层，同时这种方法也不需要学习冗余的特征图，减少了参数量。

高光谱地物分类

l 道路提取：应用于交通路网统计、更新，城市规划等

道路提取结果

l 建筑物提取：

可应用于城市规划、违建执法、建筑统计等领域。也可以结合识别其他的地物，如植被的识别，判断城市区域或小区的绿化率。

建筑物提取结果

l 农田水淹区提取：灾后定损、保险理赔

l 田块提取：农业统计

l 农业大棚提取：农业估产、统计

农业大棚提取

l 海水网箱养殖区提取：渔业估产、执法

l 大型船舶检测

遥感影像船舶检测（OBT-02）

n 监控视频分类的深度学习算法

l 城市积水检测

l 河道漂浮物检测

通过基于沿河摄像头的河道漂浮物的定位与跟踪溯源，可以在河道治理、河道巡检、生态环保、城市管理方面发挥重要作用 。

针对河道漂浮物小目标的问题，采用了 Focal Loss 结合 One-Stage 和 3D 卷积网络模型，通过 Focal Loss 减少易分类样本的损失，从而平衡正负样本比例，使正样本在训练中的关键信息能够发挥作用，从而提高小目标的检测精度。

l 车牌识别与跟踪

通过基于城市监控摄像头的车牌识别与跟踪，可以实施对渣土车等危险驾驶、违规驾驶行为的自动检测与识别，提高城市交通安全。

l 手势及体态识别