资源简介

摘要： 近年来，深度学习作为计算机视觉的研究热点，在诸多方面得以发展与应用。特征提取是理解和分析高分遥感影像的关键基础。为促进高分遥感影像特征提取技术的发展，总结了深度学习模型在高分遥感影像特征提取技术的研究与发展，如：AlexNet，VGG-网和GoogleNet等卷积网络模型在深度语义特征提取中的应用。此外，重点分析和讨论了以卷积神经网络模型为基础的各类深度学习模型在高分遥感影像特征提取方面的应用与创新，如：迁移学习的应用；卷积神经网络(Convolutional Neural Network，CNN)模型结构的改变；CNN模型与其他模型结构的结合等方式，均提升了深度语义特征提取能力。最后，对卷积神经网络模型在高分遥感影像深度语义特征提取方面存在的问题以及后续可能的研究趋势进行了分析。 关键词： High-resolution remote sensing image;  Depth semantic feature;  Deep learning;  Convolutional neural network     Abstract: In recent years，deep learning has been developed and applied in many aspects as a research hotspot of computer vision.Feature extraction is the key basis for understanding and analyzing high-resolution remote sensing images.In order to promote the development of high-resolution remote sensing image feature extraction technology，the research and development of deep learning model in high-resolution remote sensing image feature extraction technology，such as：AlexNet，VGG-net，and GoogleNet convolutional network models，have been summarized in depth semantic features.In addition，the application of extraction is also focused on the application and innovation of various deep learning models based on convolutional neural network models in high-resolution remote sensing image feature extraction，such as：application of migration learning；The combination of the CNN model and other model structures enhances the ability to extract deep semantic features.Finally，the problems of the convolutional neural network model in the extraction of deep semantic features of high-resolution remote sensing images and the possible research trends are analyzed.

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.