注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 顾及局部特性的CNN在遥感影像分类的应用_杨嘉树

  2. 顾及局部特性的CNN在遥感影像分类的应用_杨嘉树顾及局部特性的CNN在遥感影像分类的应用_杨嘉树

  3. 所属分类：专业指导

    • 发布日期：2018-04-08
    • 文件大小：1048576
    • 提供者：qq_26078953

  1. CNN做遥感图像目标识别完整代码

  2. 提供了一套完整的方案，包括图像处理和图像识别，可以拿来尝试并fine tune一下

  3. 所属分类：深度学习

    • 发布日期：2018-08-17
    • 文件大小：1048576
    • 提供者：sunzheng0227

  1. 翻译——Transferred Deep Learning for Anomaly Detection in Hyperspectral Imagery

  2. 论文翻译。Abstract—In this letter, a novel anomaly detection framework with transferred deep convolutional neural network (CNN) is proposed. The framework is designed by considering the following facts: 1) a reference data with labeled samples are utiliz

  3. 所属分类：深度学习

    • 发布日期：2018-08-24
    • 文件大小：1048576
    • 提供者：whatuwannado

  1. 遥感论文CNN gabor 滤波 高分辨率图片

  2. 遥感论文CNN gabor 滤波 高分辨率图片 14 - 2017.12(P)_Hyperspectral Images Classification With Gabor Filtering and Convolutional Neural Network

  3. 所属分类：深度学习

    • 发布日期：2018-08-29
    • 文件大小：2097152
    • 提供者：tominent

  1. 遥感影像场景识别tensorflow-CNN

  2. 遥感影像场景识别—含有代码数据训练模型结果-亲测有效

  3. 所属分类：深度学习

    • 发布日期：2018-09-28
    • 文件大小：9216
    • 提供者：u011058229

  1. 卷积神经网络CNN进行土地利用解译

  2. 介绍了利用卷积神经网络进行遥感解译的方法与过程，是不错的资源

  3. 所属分类：深度学习

    • 发布日期：2018-10-09
    • 文件大小：13312
    • 提供者：qq_36868235

  1. CNN遥感图像配准

  2. CNN在遥感图像配准中的实现源代码，参考论文：利用深度卷积特征进行多时相遥感图像配准《Multi-Temporal Remote Sensing Image Registration Using Deep Convolutional Feature》

  3. 所属分类：机器学习

    • 发布日期：2018-10-17
    • 文件大小：37748736
    • 提供者：qq_33431061

  1. CNN-remote-sensing-master1.zip

  2. 利用CNN实现高光谱遥感影像分类，使用Keras框架，可供初学者学习

  3. 所属分类：深度学习

    • 发布日期：2019-10-18
    • 文件大小：12288
    • 提供者：qq_28319843

  1. 暹罗卷积神经网络的遥感场景分类

  2. 卷积神经网络（CNN）具有强大的特征表示能力，为改善遥感影像的场景分类提供了新颖的途径。 尽管我们可以获取大量的卫星图像，但是缺少丰富的标签信息仍然是遥感领域的主要问题。 此外，遥感数据集也有其自身的局限性，例如场景类别的规模小和缺乏图像多样性。 为了缓解现有问题的影响，在此信函中提出了将CNN的识别和验证模型结合在一起的Siamese CNN。 度量学习正则化术语明确地强加于通过CNN学习的功能，这些功能使Siamese网络变得更加健壮。 我们对三个广泛使用的遥感数据集进行了性能评估实验。 实

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：601088
    • 提供者：weixin_38670420

  1. PFWG改进的CNN多光谱遥感图像分类

  2. 为了实现在遥感图像处理过程中准确地提取到有效地物信息, 缩短分类用时, 将卷积神经网络（CNN）模型引入遥感图像地物分类, 首先提出由图片模糊加权平均（PFWG）改进的CNN分类方法, 利用模糊几何聚类算法作为预处理单元对实验样本进行特征规划, 并对遥感地物信息进行多源特征决策, 简化了分类过程, 加快了CNN模型的收敛速度。实验结果表明, 利用PFWG改进的CNN分类方法总体分类精度达到了93.73%; Kappa系数为0.94。该方法有效地弥补了CNN自身对遥感图像分类不够细腻、表达效果差的

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：9437184
    • 提供者：weixin_38664469

  1. 基于集成卷积神经网络的遥感影像场景分类

  2. 提出了一种基于集成卷积神经网络(CNN)的遥感影像场景分类算法。通过构建反向传播网络实现了场景图像的复杂度度量; 根据图像的复杂度级别, 选择CNN对图像进行分类, 完成了遥感影像的场景分类。使用所提出的算法对NWPU-RESISC45公开数据集进行了实验验证, 取得了89.33%(第一类实验)和92.53%(第二类实验)的分类准确率, 平均运行时间为0.41 s。相比于精调训练的VGG-16模型, 所提算法的分类准确率分别提升了2.19%和2.17%, 预测速率提升了33%, 证明了其有效性和

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：14680064
    • 提供者：weixin_38702515

  1. 改进的SSD算法及其对遥感影像小目标检测性能的分析

  2. 针对以Faster R-CNN为代表的基于候选框方式的遥感影像目标检测方法检测速度慢,而现有SSD算法在小目标检测中性能低的问题,提出一种改进的SSD算法,综合利用现有基于候选框方式和一体化检测方式的优势,提升检测性能。该算法利用密集连接网络替换原有的VGGNet作为骨干网络,并且在密集连接模块之间构建特征金字塔,代替原有多尺度特征图。为验证所提算法的精度及性能,设计样本数据在线采集系统,并采集飞机及运动场目标样本集作为实验样本,通过对改进SSD算法的训练,验证了其网络结构的稳定性,在无迁移学习

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：15728640
    • 提供者：weixin_38658982

  1. 基于卷积神经网络的高光谱遥感地物多分类识别

  2. 在进行遥感图像多分类识别时, 针对使用传统方法遇到的分类模型特征提取困难、分类精度不理想、分类种类少等问题, 研究了卷积神经网络(CNN)模型在高光谱遥感地物多分类识别中的可行性及不同CNN 模型对高光谱遥感地物多分类的识别效果。从ISPRS(International Society for Photogrammetry and Remote Sensing)提供的Vaihingen及Google Earth中采集数据,制作了包含6类地物的数据集一。在此基础上增加10类地物制作数据集二, 再增

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：6291456
    • 提供者：weixin_38737213

  1. 基于卷积神经网络的高分遥感影像单木树种分类

  2. 树种调查一直面临着成本高、效率低、精度不高等问题。利用遥感手段能大大提高树种类型调查的工作效率、节省成本;卷积神经网络(CNN)虽然已经在自然图像分类领域取得了许多突破,但是较少有人将CNN模型用于单木树种分类。基于上述考虑,搭建出CNN模型,并与高分遥感影像相结合,进行单木树种分类。在利用高分影像半自动化构建单木树种遥感影像样本集过程中,采用了影像冠层切片(CSI)圈定、人工标注、数据增强等方法;同时为了训练单木树种遥感影像样本集,对5个CNN模型进行针对性改写。通过对比分析发现:LeNet5

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：4194304
    • 提供者：weixin_38640168

  1. 基于改进3D-CNN的多源遥感数据树种识别

  2. 针对森林复杂冠层结构和林分高密度下遥感树种识别精度不高的问题,将能够提取高维数据立体特征的三维卷积神经网络(3D-CNN)引入到遥感影像树种识别中,并利用残差网络(ResNet)对其进行改进,提出三维残差卷积神经网络(3D-RCNN),以减小网络深度带来的误差,降低退化现象的影响。联合高分五号高光谱数据(GF-5 AHIS)和高分六号高空间分辨率数据(GF-6 PMS),辅以森林资源数据和外业调查数据构建样本集。结合3D-RCNN思想构建树种识别模型。实验结果表明:相较于传统3D-CNN,3D-

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：9437184
    • 提供者：weixin_38731385

  1. 自适应旋转区域生成网络的遥感图像舰船目标检测

  2. 针对遥感图像中舰船形状狭长、分布杂乱等特性导致检测难度增大的问题,提出了一种基于快速区域卷积神经网络(Faster R-CNN)的舰船目标检测方法。采用双路网络提取舰船目标特征,为了使特征图充分融合底层细节信息和高层语义信息,用多尺度融合特征金字塔网络(MFPN)进行特征融合;在候选框生成阶段,提出了自适应旋转区域生成网络(AR-RPN),集中在目标中心位置生成旋转锚框,以高效获取优质的候选框。为了提升网络对舰船目标的检测率,结合改进的损失函数对网络进行优化。在HRSC2016和DOTA舰船数据

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：9437184
    • 提供者：weixin_38747087

  1. 基于模糊不变卷积神经网络的遥感飞机识别

  2. 提出了一种基于模糊不变卷积神经网络(BICNN)模型的目标识别方法。与传统卷积神经网络(CNN)模型不同，BICNN引入了一种新的模糊不变层。 BICNN通过增加模糊不变约束项及正则化来优化模糊不变目标函数并进行训练； 通过减小模糊不变目标函数值，使得训练样本在模糊前后的特征映射一致，最终实现模糊不变性。测试结果表明，BICNN解决了模糊造成的识别率低的问题，增大了运动模糊图像的识别率。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：9437184
    • 提供者：weixin_38739942

  1. 基于改进旋转区域生成网络的遥感图像目标检测

  2. 为了实现遥感图像中目标的快速准确检测,解决遥感图像目标带有旋转角度的问题,在卷积神经网络理论的基础上,将旋转区域网络生成融入到Faster R-CNN网络中,提出了一种基于Faster R-CNN改进的遥感图像目标检测方法。相对于主流目标检测方法,本文算法针对遥感图像中的大多数目标都具有方向性不定且相对聚集的特点,在区域候选网络中加入了旋转因子,以便能够生成任意方向的候选区域;同时,在网络的全连接层之前增加一个卷积层,以降低其特征图参数,增强分类器的性能,避免出现过拟合。将本文算法与几种主流目标

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：15728640
    • 提供者：weixin_38692100

  1. 基于区域注意力机制的遥感图像检索

  2. 遥感图像存在大量语义对象,相同的语义对象视觉差异较大,针对卷积神经网络(CNN)提取的全局特征不能准确描述图像内容的问题,提出了一种使用区域注意力机制的遥感图像检索方法。首先去除CNN的全连接层,将高层特征作为区域注意力网络的输入;然后在遥感图像数据集上分别训练CNN和区域注意力网络,提取具有区域关注度的图像特征;最后构建了一种多距离相似性度量矩阵并采用扩展查询以提高检索性能。实验结果表明,相比基于全局特征的遥感图像检索方法,本方法能有效抑制遥感图像背景和不相关的图像区域,在两大遥感实验数据集上

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：3145728
    • 提供者：weixin_38684335

  1. cnn-matching:“基于深度学习特征的异构遥感图像匹配方法”的源代码和数据集-Source code learning

  2. 使用CNN功能进行图像匹配 概述 针对深度遥感影像在成像方式，时间相位，分辨率等方面的差异难以匹配的问题，提出了一种新的深度学习特征匹配方法。 结果表明，该算法具有较强的适应性和鲁棒性，在匹配点的数量和分布，效率和适应性方面均优于其他算法。 该存储库包含以下文件的实现： "A Heterogeneous Remote-Sensing Image Matching Method Based on Deep Learning Feature" （in Chinese） 一种基于深度学习特征的异源遥

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：6291456
    • 提供者：weixin_42144201
« 12 »