基于深度卷积网络的高分辨率遥感影像地物分类与目标识别高级实践技术应用

@xiaoqinqin@1 · 发表于 2019-5-7 09:43

各企事业单位：

我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB，遥感大数据时代已然来临。随着小卫星星座的普及，我们可以实现每天3次以上的全球覆盖能力，遥感影像将不断被更深入的应用于矿产勘探、精准农业、城市规划、林业测量、军事目标识别和灾害评估中。最近借助深度学习方法，基于深度卷积网络的遥感影像自动地物识别取得了令人印象深刻的结果。深度卷积网络采用“端对端”的特征学习，通过多层处理机制揭示隐藏于数据中的非线性特征，能够从大量训练集中自动学习全局特征（这种特征被称为“学习特征”），是其在遥感影像自动目标识别取得成功的重要原因，也标志特征模型从手工特征向学习特征转变。以Tensorflow为主体的深度学习平台为提供了。但深度卷积网络涉及到的数学模型和计算机算法都十分复杂、运行及处理难度很大，Tensorflow平台的掌握也并不容易。为使广大学者能理解深度卷积网络背后的数学模型和计算机算法，掌握利用Tensorflow为基础的遥感影像地物分类与目标识别应用。

5月30日 —6月02日南京

内容全部实践操作方式教学，自备电脑）

Day1：上午：卷积神经网络基本结构和相关概念，网络代码走读并熟悉细节。

下午：利用典型案例数据掌握遥感图像分类方法，充分实践遥感图像分类过程，

并学习调整参数

Day2：上午：详细讲解图像检测方法，并实践检测网络的框架搭建，熟悉概念细节。

下午：遥感图像检测实践，通过遥感图像数据集检测飞机船舶等目标，学会制作数据集。在完成识别后，学习如何提升网络性能以及参数微调等技巧。。

Day3：上午：图像分割等基本概念，并实践分割网络框架的搭建，熟悉概念细节。

下午: 遥感图像分割实践，包括高分，高光谱数据下的识别和语义分割，学会数据预处理等方法，并扩展地物分类等各类应用。

注：由于学习内容较多，我们会提供部分资料发给学员提前预习，帮助学员更好的掌握课程内容。

深度学习遥感影像处理群：947982080（邀请人：李琴）