基于深度学习的遥感影像分类研究

最新推荐文章于 2023-02-25 15:53:21 发布
最新推荐文章于 2023-02-25 15:53:21 发布
阅读量1k 收藏 9
点赞数 2
分类专栏： 遥感专栏 文章标签： 深度学习 遥感 图像分类
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37554556/article/details/110727855
版权

深度学习可以自动学习大量历史数据深层本质特征和规律，从而对新数据进行识别、判断或对未来做出预测，可以在一定程度上提高分类识别的精度。
下图是文章中所涉及到基于多特征的深度学习分类流程图：
在这里插入图片描述

注：文章选自《基于深度学习的遥感影像分类研究》硕士论文 段琳琳

毛毛真nice
关注
  • 2
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化技术
CCfz566的博客
03-02 1007
深度卷积网络采用“端对端”的特征学习，通过多层处理机制揭示隐藏于数据中的非线性特征，能够从大量训练集中自动学习全局特征（这种特征被称为“学习特征”），是其在遥感影像自动目标识别取得成功的重要原因，也标志特征模型从手工特征向学习特征转变。为使广大学者能理解卷积神经网络背后的数学模型和计算机算法，掌握利用PyTorch为基础的遥感影像地物分类，遥感图像目标检测，以及遥感图像目标分割等应用。1.现有几个优秀模型结构的演变原理，包括AlexNet，VGG，googleNet，ResNet，DenseNet等模型。
遥感影像分类方法
qq_44951617的博客
09-21 1万+
摘要：遥感影像的分类作为其他遥感技术的一项基础内容，对后续遥感的应用具有一定的现实意义。计算机技术和遥感技术的飞速发展，遥感影像的分类方法从最初的人工目视解译不断发展，经历了从手动到半自动再到近全自动的发展过程。从遥感影像分类的全过程来说，仍然没有达到全自动分类。本文加入了深度学习分类方法，与传统的监督分类、非监督分类进行对比，简单介绍各种分类方法的基本思想和应用，最后进行总结并展望未来的发展。 关键词：影像分类；监督分类；非监督分类；深度学习 内容为整理内容并非文献仅供参考
基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化
zhkjjww的博客
08-08 1418
深度卷积网络采用“端对端”的特征学习，通过多层处理机制揭示隐藏于数据中的非线性特征，能够从大量训练集中自动学习全局特征（这种特征被称为“学习特征”），是其在遥感影像自动目标识别取得成功的重要原因，也标志特征模型从手工特征向学习特征转变。但卷积神经网络涉及到的数学模型和计算机算法都十分复杂、运行及处理难度很大，PyTorch平台的掌握也并不容易。为使广大学者能理解卷积神经网络背后的数学模型和计算机算法，掌握利用PyTorch为基础的遥感影像地物分类，遥感图像目标检测，以及遥感图像目标分割等应用......
基于深度学习的遥感图像场景识别方法研究
干炒牛河的博客
02-25 1468
从2012年深度卷积神经网络（AlexNet）成功应用于图像识别以来，发展出多个改进的卷积神经网络构架，包括2014年牛津大学的VGG,Google公司的GoogleNet，2015年微软研究院KaimingHe推出的残差网络，网络层数越来越多，所得到的精度越来越高。深度学习能够通过提取遥感图像的高层次特征，表征出遥感场景间的细微差别。
深度学习在遥感影像目标检测和地物分类中的一些探讨
张帅影&RS&DeepLearning
10-31 2232
近些年，基于深度学习的遥感影像处理方法不断涌现。基本思路是把光谱特征和纹理特征看作是深度网络的底层特征(对于极化SAR影像来说，地物目标的基本散射矩阵就是深度学习要提取的底层特征，也是作为分类的依据)，把输出特征看作是深度网络的顶层特征，这样可以直接得到一个分类器，用于完成不同的任务。如果深究遥感的实际应用需求和深度网络输入层和输出层的设计之间的关系，深度学习的理念存在于遥感数据分析的许多方面。从传统的数据处理、像素级分类、目标检测到更深层次的基于语义的特征提取和遥感场景理解，都能或多或少看到深度学习的影子
基于深度学习遥感目标分类研究.pdf
08-19
"基于深度学习遥感目标分类研究" 深度学习在遥感目标分类领域的研究是当前学者研究的热点。基于高分辨率遥感卫星数据，使用深度学习算法可以对数据进行更加高效的特征提取，获得比以往应用更加精确的结果。然而，...
综述：基于深度学习的遥感图像分类.pdf
08-04
综述：基于深度学习的遥感图像分类 Deep learning for remote sensing image classification: A survey
基于深度学习的高光谱遥感影像分类.pdf
08-19
基于深度学习的高光谱遥感影像分类 关键词：深度学习、高光谱遥感、空-谱特征、深度置信网络、影像分类 摘要： 本文提出了一种基于深度学习的高光谱遥感影像分类方法，提出了将空-谱信息与深度学习相结合的影像...
基于深度学习的高分遥感影像分类方法研究.pdf
08-18
本文研究的主要内容是基于深度学习的高分辨率遥感影像分类方法，旨在解决当前遥感图像分类准确性不高的问题。文章采用深度学习算法，结合面向对象分类技术，搭建了一种基于深度学习的高分辨率遥感影像分类模型。模型...
基于深度学习的高分遥感影像水体提取模型研究.pdf
08-18
基于深度学习的高分遥感影像水体提取模型研究 本文研究了基于深度学习的高分遥感影像水体提取模型，旨在解决高分辨率卫星遥感影像中水体提取的精度问题。我们分别利用卷积神经网络和Deeplabv3语义分割神经网络，...
基于深度学习的高分辨率遥感图像识别与分类研究
11-22
深度学习的高分辨率遥感图像识别与分类研究，用深度学习方法处理卫星图像
完全卷积神经网络用于遥感图像分类（论文、英文）
12-04
深度学习在图像检索方面的应用，主要的思想是利用预训练网络，原文是英文，资源名称是我自己翻译过来的
CNN做遥感图像目标识别完整代码
08-17
提供了一套完整的方案，包括图像处理和图像识别，可以拿来尝试并fine tune一下
基于随机森林和深度学习框架的遥感图像分类译文
02-28
文献Classification_of_remote_sensed_images_using_random_forests_and_deep_learning_framework译文
一种基于深度学习的遥感图像分类及农田识别方法
张帅影&RS&DeepLearning
11-11 4405
文章针对现有的神经网络收敛速度慢、识别准确率不高的缺点，提出了一种基于卷积神经网络的遥感图像农田分类及识别方法。该算法使用较大的卷积核，有效地提取梯度信息；设计深度为6层的卷积神经网络，提高了网络的分类效果，且大大降低了网络的训练次数。 CNN框架的识别图像是经过融合处理后的遥感图像，包含多种不同的土地类别，因此要对遥感图像进行均匀剪裁。CNN需要对输入的图片进行多次卷积，而卷积神经网络对图像特征提取时，要求图像的大小不小于网络的局部感受视野，要求图片有合适的大小。 本文通过改变卷积层的数量和滤波器的大小来
遥感影像深度学习样本制作
02-07
本课程主要讲解遥感数据影像分类和目标检测的样本格式，通过结合遥感影像数据的特点和是否有对应的矢量数据，利用计算机视觉工具、PS、ArcGIS等软件制作遥感分类和目标检测深度学习的样本。
好远好远的图像处理---综述
xys430381_1的专栏
08-31 2996
航空遥感图像(Aerial Images)目标检测数据集汇总 常规目标检测数据集有很多，现在前沿的目标检测算法（如Faster R-CNN, Yolo, SSD, Mask R-CNN等）基本都是在这些常规数据集上实验的，但是，基于常规数据集训练的分类器，在航空遥感图像上的检测效果并不好，主要原因是航空遥感图像有其特殊性： 1，尺度多样性，航空遥感图像从几百米到近万米的拍摄高度都有，且地面目标即使......
深度学习高遥感影像语义分割
weixin_30470643的博客
07-01 1万+
深度学习遥感影像语义分割 深度学习大家都知道，在计算机视觉领域取得了很大的成功，在遥感影像自动解译方面，同样带来了快速的发展，我在遥感影像自动解译领域，也做了一些微薄的工作，发表几篇论文，我一直关注遥感影像自动解译领域， 在北京出差的这段时间，终于可以沉下心来，好好研究下深度学习，目前在语义分割领域，也有部分心得，在此同大家分享，权当是互相学习。本篇博文就是论述现有的state-...
04 基于深度学习的图像分类技术
热门推荐
董绘峰的博客
11-10 2万+
目录一、完成keras环境搭建1. 安装CUDA2. 安装cuDNN3. 安装Anaconda4. 安装Tensorflow5. 安装Keras6. 安装OpenCV二、交通标志分类项目1. 简介2. 神经网络框架3. 项目代码4. 研读代码（1）分析lenet.py代码（2）分析train.py代码（3）分析predict.py代码（5）上传代码（6）运行代码（7）运行结果 一、完成keras环...
深度学习遥感图像分类
最新发布
07-27
深度学习在遥感图像分类方面具有重要的应用价值。深度神经网络为遥感图像分类带来了新的可能性，可以提高精确制导、武器防御、海情监控等军事系统以及减灾应急、交通监管、渔业海事等民用系统的智能化水平。\[1\]深度学习通过从海量图像数据中直接学习图像特征表达，能够极大地提高遥感图像分类的精度。\[2\]目前，深度学习已成为遥感图像分类研究中的热点，并且有多种主要的深度学习方法可供选择。\[2\]深度学习在遥感图像分类中的应用研究已经取得了一定的进展，但仍然存在一些问题。因此，需要进一步研究解决这些问题的方法和关键技术。\[3\]总体而言，深度神经网络对遥感图像分类的发展趋势是积极向前的，将为遥感图像分类的深入发展做出更大的贡献。\[1\] #### 引用[.reference_title] - *1* *3* [基于深度学习的遥感图像分类总概](https://blog.csdn.net/qq_40116035/article/details/81414835)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [遥感影像分类方法](https://blog.csdn.net/qq_44951617/article/details/125645545)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

毛毛真nice

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值