前言这些代码均是使用最基础的方法，通过一步一步迭代过程来理解算法的原理及实现过程，并不采用于实用工程，读者以此作为学习参考即可。监督分类监督分类的概念：首先使用训练样本学习一个分类器，再对测试样本进行分类。图像分类的两个步骤：特征提取与分类算法。特征提取：颜色特征向量。分类 训练过程：使用训练样本学习分类器。 测试过程：使用学习好的分类器对测试样本分类。分类算法：感知器算法。线性判别函数 那么，如
转载
2024-08-12 13:07:11
77阅读
1.介绍针对在使用传统图像处理工具时可能遇到的困难，深度学习已成为医疗保健领域的主要解决方案。因为医学图像比标准图像更难处理（高对比度、人体的广泛变化……）深度学习用于分类、对象检测，尤其是分割任务。在分割方面，深度学习用于分割人体器官，如肝脏、肺和……或分割来自身体不同部位的肿瘤。医学图像有很多不同的类型，例如 MRI（主要用于脑肿瘤分割）、CT 扫描、PET 扫描等。本文将重点介绍 CT 扫描
转载
2024-05-31 14:02:27
86阅读
我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB，遥感大数据时代已然来临。随着小卫星星座的普及，对地观测已具备3次以上的全球覆盖能力，遥感影像也不断被更深入的应用于矿产勘
转载
2024-03-06 00:04:05
133阅读
1. 概述整个工程已经上传个人的 github https://github.com/lovewinds13/QYQXDeepLearning ，下载即可直接测试，数据集文件因为比较大，已经删除了，按照下文教程下载即可。论文下载：ImageNet Classification with Deep Convolutional Neural Networks2. AlexNetAlexNet 是 20
转载
2024-07-30 16:20:23
24阅读
文章目录数据介绍经验1. 准确率92.55%：SENet、PyTorch（1）数据预处理：加权采样（2）数据增强：采用随机裁剪，随机旋转，随机翻转，随机擦除（3）模型选择：Senet154（4）模型优化：标签平滑、学习率热身（5）模型集成经验2. 准确率93.12%：DenseNet，Keras（1）预处理-最大最小缩放中心化（2）模型选择方面-预训练DenseNet（3）数据增强-Flip，R
转载
2023-12-29 19:02:13
538阅读
基于Faster rcnn pytorch的遥感图像检测代码：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0数据集使用RSOD遥感数据集，VOC的数据格式如下： RSOD是一个开放的目标检测数据集，用于遥感图像中的目标检测。数据集包含飞机，油箱，运动场和立交桥，以PASCAL VOC数据集的格式进行标注。 数据集包括4个
转载
2023-12-27 14:08:23
485阅读
PyTorch中的遥感图像数据集包括以下几种：EuroSAT：该数据集包括27个类别的遥感图像，共有约27,000张图像。每个类别都包括约1,000张图像。该数据集可用于分类任务。SEN12MS：该数据集包括了L-波段和C-波段的遥感图像，总共有许多张图像，可以用于各种任务，如分割、分类、检测等。NWPU-RESISC45：该数据集包括45个类别的遥感图像，其中包括飞机、桥梁、森林等不同类型的物体
转载
2023-11-07 05:34:15
38阅读
随着无人机自动化能力的逐步升级，它被广泛的应用于多种领域，如航拍、农业、植保、灾难评估、救援、测绘、电力巡检等。但同时由于无人机飞行高度低、获取目标类型多、以及环境复杂等因素使得对无人机获取的数据处理越来越复杂。最近借助深度学习方法，基于卷积神经网络的无人机目标识别取得了令人印象深刻的结果。深度卷积网络采用“端对端”的特征学习，通过多层的特征抽取，它揭示隐藏于数据中的非线性特征，能够从大量训练集中
转载
2023-11-25 19:24:19
18阅读
卫星地图简称卫星图，确切的说法是卫星遥感图像，也叫卫星影像。所谓遥感即遥远地感知。卫星遥感即通过卫星在太空中探测地球地表物体对电磁波的反射和其发射的电磁波，从而提取这些物体的信息，完成远距离识别物体。 将这些电波信息转换、识别得到的图像，即为卫星图。遥感卫星影像作用卫星地图，又称“卫星遥感图像或是卫星影像”，顾名思义，是借助卫星为媒介，向用户真实反馈地球地表面貌的图像。与传统意义的地图不同，卫星地
转载
2024-08-15 16:04:49
32阅读
目录专题一：深度卷积网络知识详解专题二：PyTorch应用与实践（遥感图像场景分类）专题三：卷积神经网络实践与目标检测专题四：卷积神经网络的遥感影像目标检测任务案例【FasterRCNN】专题五：Transformer与遥感影像目标检测专题六：Transformer的遥感影像目标检测任务案例 【DETR】专题七：深度学习与遥感影像分割任务专题八：深度学习下的ASL（机载激光扫描仪）点云数据语义分类
转载
2023-12-27 22:41:24
24阅读
植被是陆地生态系统中最重要的组分之一，也是对气候变化最敏感的组分，其在全球变化过程中起着重要作用，能够指示自然环境中的大气、水、土壤等成分的变化，其年际和季节性变化可以作为地球气候变化的重要指标。此外，由于生态工程保护建设和植被自然生长等因素，中国陆地生态系统发挥了重要的碳汇作用。因此，定量评估植被时空动态变化是制定生态系统可持续发展目标和衡量生态系统固碳潜力的重要前提，卫星遥感数据衍生的生态参量
转载
2024-08-20 22:06:23
36阅读
一、遥感科学与技术部分基础知识思维导图 二、知识点补充理解（1）电磁辐射的度量前置补充定义：什么是立体角？ 遥感中视场角一般都为锥体。锥体的立体角大小定义为以锥体的顶点为球心作球面，该锥体在球表面截取的面积（锥体底部在球体表面的投影）与球半径平方之比。单位为球面度（sr）。 &nbs
VGG详解VGG 在2014年由牛津大学著名研究组 VGG（Visual Geometry Group）提出，斩获该年 ImageNet 竞赛中 Localization Task（定位任务）第一名和 Classification Task（分类任务）第二名。 原论文地址：Very Deep Convolutional Networks for Large-Scale Im
转载
2023-12-07 15:28:08
111阅读
摘要 使用Landset 8波段数据，CNN模型进行遥感地物分类1、简介CNN模型在图像分类中的应用比较广泛，但是遥感领域的的分类对应深度学习中的图像分割，因为它是将一张图片中不同类型的地物区分开，而不是将一个图片归为一个类别。并且，遥感中深度学习的模型虽然应用也比较多，但是可用代码较少，现有代码也存在无法直接使用，代码注释较少，理解困难，代码较多，对新手来说理解困难。因此本文基于一个现有代码进行
转载
2024-01-15 21:10:16
332阅读
遥感的最终成果之一就是从遥感图像上获取信息，遥感分类是获取信息的重要手段。同时遥感图像分类也是目前遥感技术中的热点研究方向，每年都有新的分类方法推出。本小节主要内容：遥感分类基本概念常见遥感分类方法1 遥感分类概述 遥感图像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同图像地物的物理基础。遥感图像分类就是利
转载
2023-06-14 20:39:06
366阅读
目录第一章 高分遥感图像分类概述1、遥感图像分类概念与内涵1)、数字图像处理的三个层次2)、图像处理技术分类的三种基本范畴3)、遥感最终目的4)、遥感分类定义5)、遥感分类意义6)、遥感分类原理2、遥感图像分类的技术发展1)、遥感分类方法概述2)、监督/非监督分类方法比较3)、深度学习思想4)、传统遥感图像分类中存在的问题3、高分辨率遥感图像分类理解1)、载荷特色2)、分类的难点 3)、
转载
2024-08-08 17:08:20
319阅读
# 遥感python分类实现指南
## 1. 概述
本文将介绍如何使用Python实现遥感数据的分类。遥感数据分类是遥感图像处理中的一项重要任务，它可以将遥感图像中的不同地物或地物类型进行自动识别和分类。Python作为一种功能强大的编程语言，提供了丰富的库和工具，可以帮助我们完成这个任务。
在本指南中，我将向你展示一个完整的遥感数据分类流程，包括数据准备、特征提取、分类模型训练和评估等步骤
原创
2023-09-03 11:47:07
194阅读
点赞
1.功能概述1.1 图像分类功能概述
在遥感技术的应用中，对资源分布、自然灾害、区域环境等的监测和分析依附于遥感图像分类。而遥感图像分类是进行图像信息提取的有效手段。随着遥感技术的的不断改进，各领域对遥感图像分类方法的要求越来越高，主要表现在以下几个方面：
分类结果的精确性：各领域对分类结果的精度要求越来越高。
分类速度的时效性：随着近年来遥感数据的快速增长，项目中往往需要进行海量遥感数据的快速处
转载
2023-12-24 07:36:12
204阅读
文章目录前言一、非监督分类介绍1. 定义2. 分类方法介绍二、geemap中非监督分类详细步骤1. 加载地图底图2. 加载研究区影像数据3. 检查影像属性4. 选取训练数据（聚类中心点）5. 训练集群（聚类中心点）6. 影像分类7. 分类结果类别颜色和图例修改8. 分类结果导出总结 前言遥感图像处理(processing of remote sensing image data) 对遥感图像进行
转载
2024-01-10 16:48:38
288阅读
刚开始接触深度学习就是看的这个算法，想想当时连python语言都不会，虽然今天依旧咸鱼一条，但是也能用上网络做一点事情了，源码是北京邮电大学的道路识别比赛，采用的torch框架，也算是比较流行框架，网络结构还是端到端的下采样用resnet34，代码讲解想了解的可以看源码，本文主要介绍如何用自己的数据训练，以及训练自己数据中遇到的一些问题。torch中自带训练好的模型，调用也很简单，获取
转载
2024-04-04 19:14:28
257阅读
