![](https://img-blog.csdnimg.cn/050b71a79f984f6294304958c696af01.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 71
以遥感影像分割结合深度学习的技术分享为主
122&&113
这个作者很懒,什么都没留下…
展开
-
遥感影像识别进展2022/5/5
1. 选择部分标签用作训练集把当前框内标签的比例作为选择的指标。2. 选择全部标签用作训练集3. 考虑图像聚类来选择标签聚类效果太差了,没采用。4. 降低数据集的分辨率来训练考虑之前是否是因为分辨率过高,导致特征提取不够好。5. 实验结果...原创 2022-05-05 20:01:45 · 1580 阅读 · 0 评论 -
遥感影像识别进展2022/3/17
采用同一尺度下的工区识别效果由于原始工区在第十九级时的尺寸过大,因此截取其中的一部分区域用作图像预测,以此查看模型训练的效果。图像1:图像2:图像3:其它图像:原创 2022-03-18 12:58:41 · 3992 阅读 · 0 评论 -
遥感影像识别-成像合成
思考由于之前训练采用的数据集是从城市中采样,因此造成模型对乡村地区的识别效果特别差,因此由手工制作了十几张乡村地区的数据集,其中标注了两个类别,分别为水域、林地。然后用这个数据集去训练模型。以下是在两个采样区域的识别效果:城市:乡村合成...原创 2022-02-17 15:12:45 · 1773 阅读 · 0 评论 -
遥感影像识别-多类识别下的错分问题
前情提要紧接前文:遥感影像识别-利用较大数据集训练通过上次制作的数据集进行训练,最终得到拟合的深度学习模型,接下来分析出现的问题以及解决的想法。训练前的准备(补充)由于前一篇文章并未指出数据集的使用方式导致数据集被误认为较小,因此准备画图以及说明来补一下前面留的坑。数据预处理由于原始数据集分辨率都是比较大的,而且每张图像的分辨率大小都不相同,因此是无法直接放到模型中训练的,原因有二:一是分辨率过大,显存会爆;二是训练需要的数据大小需要统一。为此对数据做下图的操作。这是局部的一个处理过程,其原创 2022-02-10 16:33:07 · 2568 阅读 · 0 评论 -
遥感影像识别-利用较大数据集训练
回顾经过前两次的思考,最终还是回到最初的想法上来,利用大量比较合理的电子地图进行模型的训练,看能否产生较好的效果。前两次的博文链接如下:遥感影像识别-制作数据集遥感影像识别-训练策略本次训练所使用的数据集地域覆盖了全国几个主要的城市,比如杭州、成都、广州等等,不过一方面为了进一步观察数据集的效果,也为了不浪费算力,因此并未采集各个大城市的地图用以制作数据集,而是随便挑了几个城市中的部分区域用以制作,另一方面的原因也是因为现有的地图软件对于地图的识别很多地方都不是特别精确的,因此选择一个比较准确的原创 2022-01-30 11:53:31 · 4849 阅读 · 5 评论 -
遥感影像识别-训练策略
1. 主动学习结合遥感影像识别1.1 摘要在传统的机器学习中,模型的准确度往往由已标记的数据样本规模所决定。但是在实际情况中,海量数据中往往只有极小部分获得了准确标记,而大部分数据未经标记,如果通过专业人员对数据逐个进行标记,将耗费大量的时间成本和经济成本。主动学习是从大量未标记的数据集中检索出最有用的未标记数据,交由专业人员进行标记,然后用该类样本来训练模型以期提高模型的准确率。1.2 主动学习特点主动学习作为机器学习中一个重要的领域,其主要特点是通过一定方法的检索,在未标记的数据集中检索出最有意原创 2022-01-20 22:16:48 · 3251 阅读 · 0 评论 -
遥感影像识别-制作数据集
现状为什么?想法怎么做衡量效果意义价值原创 2022-01-16 00:42:40 · 5311 阅读 · 0 评论 -
神经网络-反向传播
Back propagation:f(x,y,z)=(x+y)zf(x,y,z)=(x+y)zf(x,y,z)=(x+y)ze.g. : x=−2,y=5,z=−4;x = -2, y = 5, z = -4;x=−2,y=5,z=−4;q=x+y,∂q∂x=1,∂q∂y=1q = x+y,\frac{\partial q}{\partial x} = 1,\frac{\partial q}{\partial y} = 1q=x+y,∂x∂q=1,∂y∂q=1f=qz,∂f∂q=z,∂f∂z=原创 2021-10-29 08:56:24 · 228 阅读 · 0 评论 -
如何在pycharm中使用anaconda安装的tensorflow或者pytorch
参考博文win10下用Anaconda安装TensorFlow,并在pycharm中使用(超简单)新建项目Tensorflow这种方式的好处:不用每次都开启、关闭环境。(activate tensorflow1 、deactivate tensorflow1)然后在项目中,引入tensorflow库,一切正常Pytorch更改环境如果不是新建项目的话,而是在已有的项目中更改环境:File-> Settings->Project Interpreter然后选择虚原创 2021-10-02 11:49:46 · 225 阅读 · 0 评论