首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

面向高分辨率遥感影像分析的深度学习方法研究

中文摘要第9-11页
ABSTRACT第11-13页
第一章 绪论第14-25页
    1.1 研究背景和意义第14-15页
    1.2 高分辨率遥感影像分析研究现状及存在的问题第15-19页
    1.3 深度学习与高分辨率遥感影像分析第19-21页
    1.4 研究内容和章节安排第21-25页
        1.4.1 研究内容第21-23页
        1.4.2 章节安排第23-25页
第二章 深度学习基本理论第25-40页
    2.1 机器学习原理第25-30页
        2.1.1 监督学习第25-29页
        2.1.2 无监督学习第29-30页
    2.2 神经网络第30-35页
        2.2.1 多层感知器第31-32页
        2.2.2 自编码机第32-33页
        2.2.3 卷积神经网络第33-35页
    2.3 优化方法第35-39页
        2.3.1 梯度下降法第35-37页
        2.3.2 反向传播第37-39页
    2.4 本章小结第39-40页
第三章 基于显著度无监督特征学习模型的场景识别方法第40-56页
    3.1 背景介绍第40-41页
    3.2 显著度检测第41-44页
    3.3 无监督特征学习第44-49页
        3.3.1 稀疏自编码机第44-46页
        3.3.2 随机丢弃(Dropout)机制第46页
        3.3.3 特征提取第46-48页
        3.3.4 结合支持向量机的场景识别第48-49页
        3.3.5 数据增强第49页
    3.4 实验与分析第49-55页
        3.4.1 实验数据第49-50页
        3.4.2 实验参数设置第50-51页
        3.4.3 UCM场景数据集结果分析第51-53页
        3.4.4 澳大利亚悉尼地区场景数据集结果分析第53-55页
    3.5 本章小结第55-56页
第四章 基于梯度提升聚合卷积神经网络模型的场景识别方法第56-70页
    4.1 背景介绍第56-57页
    4.2 梯度提升模型第57-58页
    4.3 聚合卷积神经网络模型第58-63页
        4.3.1 多类别softmax损失函数第58-60页
        4.3.2 随机卷积神经网络第60-62页
        4.3.3 基于梯度提升模型的随机卷积神经网络框架第62-63页
    4.4 实验与分析第63-69页
        4.4.1 实验数据第63-64页
        4.4.2 实验参数设置第64页
        4.4.3 UCM场景数据集结果分析第64-67页
        4.4.4 澳大利亚悉尼地区场景数据集第67-69页
    4.5 本章小结第69-70页
第五章 基于弱监督学习耦合卷积神经网络模型的目标探测方法第70-87页
    5.1 背景介绍第70-72页
    5.2 弱监督学习第72-74页
        5.2.1 弱监督学习研究进展第72-73页
        5.2.2 基于弱监督学习的目标探测框架第73-74页
    5.3 耦合卷积神经网络模型第74-79页
        5.3.1 候选区域提取网络第75-77页
        5.3.2 精细探测网络第77-79页
    5.4 实验与分析第79-86页
        5.4.1 实验数据和参数设置第79-80页
        5.4.2 候选区域提取结果分析第80-83页
        5.4.3 探测结果分析第83-86页
    5.5 本章小结第86-87页
第六章 基于多任务卷积神经网络的城市分析模型第87-107页
    6.1 背景介绍第87-89页
    6.2 武汉市数据介绍第89-93页
        6.2.1 用地类型数据第89-92页
        6.2.2 城市密度数据第92页
        6.2.3 城市人口数据第92页
        6.2.4 高分辨率遥感影像数据第92-93页
    6.3 多任务卷积神经网络第93-97页
        6.3.1 多任务网络结构第93-94页
        6.3.2 参数设置第94-95页
        6.3.3 端到端网络训练第95-97页
    6.4 实验与分析第97-106页
        6.4.1 用地类型识别第97-102页
        6.4.2 城市密度估计第102-104页
        6.4.3 人口密度估计第104-106页
    6.5 本章小结第106-107页
第七章 总结与展望第107-109页
    7.1 本文总结第107-108页
    7.2 研究展望第108-109页
参考文献第109-116页
附录第116-118页
致谢第118页

论文共118页,点击 下载论文
上一篇:基于光谱实验反演甲烷火焰温度和烟炱浓度的研究
下一篇:西溪国家湿地公园声景观评价与营造方法