人工智能深度学习遥感影像语义分割
Posted 渔牧村风
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了人工智能深度学习遥感影像语义分割相关的知识,希望对你有一定的参考价值。
随着空间科学的发展,遥感技术得到越来越广泛的应用,而遥感图像具有信息量大,数据维数多的特点,因此怎样充分利用这些数据已成为亟待解决的问题.人工智能技术特别是深度学习技术的快速发展,也已经成为测绘遥感学科发展的重要驱动力量。随着国内外卫星商业化的发展,以及无人机的普及,遥感数据量快速增长,空间分辨率、时间分辨率、光谱分辨率得到不断提升。目前遥感数据呈现出高中低分辨率、多光谱、高光谱、SAR、街景及LiDAR激光点云等多源数据共存的情况,为遥感监测及其他多领域应用提供了基本数据保障。但同时对遥感目标的快速、准确、自动化识别带来了新的研究课题与挑战。在遥感目标识别中融入人工智能技术是当今的一个研究热点,也是未来的发展趋势
人工智能深度学习遥感影像语义分割专题.
主要内容
上午 深度学习发展历史
深度学习具体能解决什么问题
深度学习基本算子、基本架构
深度学习框架介绍
tensorflow
pytorch
PaddlePaddle
其他国产深度学习框架
深度学习基础理论
FCN网络架构
下午 Pytorch架构介绍
Pytorch使用基本教程
Pytorch搭建基本网络架构
Pytorch搭建全卷积神经网络分类
案例:
基于pytorch的FCN遥感影像分类入门、详解、答疑。
深度学习基础理论
FCN网络架构
主要内容
上午 语义分割介绍
语义分割适应的应用场景
通用编码-解码架构深入讲解
Unet网络介绍、特点、应用领域与缺点讲解
案例:
使用Unet语义分割进行遥感影像像素级分类
Unet网络架构
DeeplabV3+网络架构
改进空间金字塔池化网络
下午 深入了解语义分割网络,搭建Deeplab v3+网络等
Deeplab的发展历程
空洞空间金字塔池化架构讲解
相关改进多尺度语义分割网络介绍。
案例:
使用Deeplab v3与Unet进行遥感图像语义分割,并对比分析差异,
深入讲解差异的原因。
DeeplabV3+网络架构
改进空间金字塔池化网络
深入理解语义分割样本构建过程
利用python与GDAL从源码实现语义分割样本批量导出
语义分割样本增强及相关方法讲解
案例:
教你如何从头到尾制作自己的数据集(释放源码讲解)
深度学习样本制作
深度学习样本制作
高精度道路网络自动提取
下午 利用深度语义分割技术进行高精度道路网络提取
案例:高分辨率遥感影像道路提取
高精度道路网络自动提取
主要内容
上午 了解深度学习进行遥感图像变化检测
讲解相关变化检测网络架构
语义分割网络进行变化检测
使用孪生网络进行变化检测
案例1:基于语义分割网络的高分辨率遥感影像建筑物变化检测
案例2:基于孪生网络的高分辨率遥感影像建筑物变化检测
高分辨率遥感影像建筑物变化检测
超大影像变化检测
矢量边界平滑处理
下午 变化检测结果优化与后处理操作
面向实际工程化的变化检测架构讲解
超大影像分块处理
边缘效果去除处理
栅格与矢量转换、变化图斑边界平滑与小面积去除处理
案例:超大遥感影像变化检测应用示例
主要内容
上午 多任务网络架构讲解
2.多任务网络与单一任务网络架构的差异、优势点讲解
案例:基于多任务网络架构的高分辨率 遥感影像建筑物提取与建筑物变化监测 时相1
时相2
下午 1.Transform讲解
2.基于Transform架构进行变化检测
2.1swinTransform讲解
2.2Segform架构讲解
案例:基于transform架构的高分辨率遥感影像变化监测应用示例
Transfrom架构变化监测
文章内容与课外扩展:人工智能深度学习遥感影像语义分割
合作联系人:
以上是关于人工智能深度学习遥感影像语义分割的主要内容,如果未能解决你的问题,请参考以下文章
覆盖5大任务,30+特色模型,高性能全流程开发套件PaddleRS助力遥感影像智能解译化繁为简...