| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 深度学习及其遥感应用的研究现状 | 第11-15页 |
| 1.3 研究动机 | 第15-17页 |
| 1.4 本文研究内容与组织结构 | 第17-20页 |
| 1.4.1 研究内容及创新点 | 第17-18页 |
| 1.4.2 论文组织结构 | 第18-20页 |
| 第二章 卷积神经网络与循环神经网络模型 | 第20-39页 |
| 2.1 引言 | 第20-23页 |
| 2.1.1 卷积神经网络概述及研究现状 | 第20-22页 |
| 2.1.2 循环神经网络概述及研究现状 | 第22-23页 |
| 2.2 神经元与神经网络模型 | 第23-28页 |
| 2.2.1 神经元 | 第23-25页 |
| 2.2.2 感知器和多层感知器 | 第25-28页 |
| 2.3 卷积神经网络 | 第28-34页 |
| 2.3.1 卷积神经网络结构 | 第28-31页 |
| 2.3.2 学习规则 | 第31-32页 |
| 2.3.3 前向传播 | 第32页 |
| 2.3.4 BP反向传播 | 第32-34页 |
| 2.4 循环神经网络模型 | 第34-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 卷积神经网络结构对特征提取的影响 | 第39-52页 |
| 3.1 引言 | 第39页 |
| 3.2 图像数据集 | 第39-40页 |
| 3.3 基于卷积神经网络的分类实验 | 第40-51页 |
| 3.3.1 网络结构参数 | 第40-44页 |
| 3.3.2 实验结果分析 | 第44-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于卷积神经网络的高分辨率卫星遥感图像目标检测 | 第52-65页 |
| 4.1 引言 | 第52-53页 |
| 4.2 遥感图像数据集 | 第53-55页 |
| 4.3 遥感图像车辆目标检测 | 第55-64页 |
| 4.3.1 网络模型及体系结构 | 第55-59页 |
| 4.3.2 实验结果分析 | 第59-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 基于卷积神经网络和循环神经网络的图像语义标注 | 第65-76页 |
| 5.1 引言 | 第65-67页 |
| 5.2 图像标注数据集及评价标准 | 第67-69页 |
| 5.2.1 图像标注数据集 | 第67-68页 |
| 5.2.2 评价标准 | 第68-69页 |
| 5.3 图像标注模型 | 第69-71页 |
| 5.4 图像标注实验 | 第71-74页 |
| 5.4.1 模型参数分析 | 第71-72页 |
| 5.4.2 实验结果分析 | 第72-74页 |
| 5.5 本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 研究工作总结 | 第76-77页 |
| 6.2 未来研究展望 | 第77-78页 |
| 参考文献 | 第78-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间发表的论文 | 第86-88页 |