首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于卷积神经网络的遥感影像土地覆盖分类研究

摘要第4-6页
abstract第6-8页
第1章 绪论第12-21页
    1.1 研究目的与意义第12-15页
    1.2 国内外研究现状第15-18页
        1.2.1 土地覆盖分类的发展第15-17页
        1.2.2 卷积神经网络在土地覆盖分类中的研究第17-18页
    1.3 本论文的主要研究内容和创新点第18-19页
        1.3.1 本论文的主要工作内容第18-19页
        1.3.2 本论文的创新点第19页
    1.4 本论文的结构安排第19-21页
第2章 土地覆盖分类与卷积神经网络模型第21-35页
    2.1 遥感影像土地覆盖分类第21-25页
        2.1.1 遥感影像分类概述第21页
        2.1.2 遥感图像预处理第21页
        2.1.3 特征选择与提取第21-22页
        2.1.4 分类方法第22-24页
            2.1.4.1 监督分类第22-24页
            2.1.4.2 非监督分类第24页
        2.1.5 分类后处理与精度评价第24-25页
            2.1.5.1 分类后处理第24-25页
            2.1.5.2 精度评价方法第25页
    2.2 卷积神经网络第25-32页
        2.2.1 神经网络模型第25-27页
            2.2.1.1 神经网络概述第25-26页
            2.2.1.2 反向传播第26-27页
        2.2.2 卷积神经网络模型第27-32页
            2.2.2.1 卷积神经网络的基本结构第27-29页
            2.2.2.2 卷积神经网络经典模型第29-32页
    2.3 卷积神经网络与土地覆盖分类第32-33页
        2.3.1 卷积神经网络在土地覆盖分类中面临的问题第32-33页
        2.3.2 卷积神经网络在土地覆盖分类中的适用性第33页
    2.4 模型框架简介第33-34页
    2.5 本章小结第34-35页
第3章 模型介绍与研究数据第35-42页
    3.1 AlexNet模型介绍第35-36页
    3.2 LCNet-27和LCNet-13模型介绍第36-38页
    3.3 研究区概况第38-39页
        3.3.1 研究区一概况第38-39页
        3.3.2 研究区二概况第39页
    3.4 研究区训练数据准备第39-41页
        3.4.1 研究区一训练数据第39-40页
        3.4.2 研究区二训练数据第40-41页
    3.5 本章小结第41-42页
第4章 AlexNet模型finetune结果分析第42-50页
    4.1 研究技术路线第42-44页
    4.2 AlexNet模型finetune训练第44页
    4.3 不同尺寸样本对分类结果影响分析第44-46页
    4.4 不同分类方法对比分析第46-49页
    4.5 结果与分析第49页
    4.6 本章小结第49-50页
第5章 LCNet-27与LCNet-13模型训练与结果分析第50-64页
    5.1 研究技术路线第50-52页
    5.2 LCNet-27和LCNet-13模型训练第52-53页
    5.3 LCNet-27不同尺寸样本对分类结果影响分析第53-55页
    5.4 LCNet-27和LCNet-13对分类结果影响分析第55-57页
    5.5 不同分辨率影像对模型分类结果的影响第57页
    5.6 不同分类方法对比分析第57-62页
    5.7 结果与分析第62-63页
    5.8 本章小结第63-64页
第6章 总结与展望第64-67页
    6.1 本文总结第64-65页
    6.2 本文不足及后续总之展望第65-67页
参考文献第67-73页
致谢第73-75页
作者简历及攻读硕士学位期间发表的学术论文与研究成果第75页

论文共75页,点击 下载论文
上一篇:基于身体功能训练领域的女性中老年健身舞的设计与应用
下一篇:弹力带训练对高校体育教育专业健美操女生力量素质影响的实验研究