幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

深度學習遙感圖像處理及應用

  • 作者：陳磊//劉穎//李洋//趙爽|責編:肖姝
  • 出版社：國防工業
  • ISBN：9787118131147
  • 出版日期：2023/12/01
  • 裝幀：平裝
  • 頁數：224
人民幣：RMB 88 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    隨著遙感技術的不斷進步和深度學習演算法的快速發展，深度學習在遙感圖像處理中的應用正變得越來越廣泛。本書從深度學習與遙感圖像處理的相關背景開始，系統地介紹了深度學習在遙感圖像處理和分析中的最新進展和應用。本書共分為六章，以遙感圖像飛機目標檢測、艦船目標檢測、遙感圖像建築物提取及遙感圖像土地語義分割為例，詳細介紹了遙感數據集的增強方法、數據預處理方法、特徵提取方法和模型評估方法等，並在通用遙感數據集上對幾種遙感圖像處理方法進行了設計、驗證和評估。
    本書旨在為遙感圖像處理和深度學習演算法的初學者和高級研究者提供一個全面的學習指南，同時也為深度學習在遙感圖像處理和應用領域的研究和應用提供重要的參考和技術支持。
作者介紹
陳磊//劉穎//李洋//趙爽|責編:肖姝
目錄
第1章  深度學習遙感圖像處理技術的研究目的和意義
  1.1  研究目的和意義
  1.2  國內外研究現狀
    1.2.1  遙感飛機目標檢測與識別方法的研究現狀
    1.2.2  遙感艦船目標檢測與識別方法的研究現狀
    1.2.3  遙感建築物提取方法的研究現狀
    1.2.4  遙感圖像土地提取方法的研究現狀
第2章  深度學習基礎理論
  2.1  卷積神經網路
    2.1.1  卷積神經網路結構
    2.1.2  卷積神經網路分類器
    2.1.3  理論感受野與有效感受野
    2.1.4  跨尺度特徵融合
    2.1.5  注意力機制
  2.2  典型深度學習演算法網路
    2.2.1  單階段目標檢測演算法
    2.2.2  雙階段目標檢測演算法
    2.2.3  DeepLab語義分割演算法
    2.2.4  U-Net卷積神經網路
  2.3  網路輕量化相關理論
    2.3.1  網路輕量化的必要性
    2.3.2  輕量化網路結構設計
    2.3.3  網路壓縮
    2.3.4  評價指標
第3章  遙感飛機目標檢測與識別技術
  3.1  遙感圖像飛機區域識別網路設計
    3.1.1  遙感圖像飛機區域識別演算法概述
    3.1.2  基於AM-ResNet的飛機區域識別演算法
    3.1.3  基於A2RNet的飛機區域識別演算法
  3.2  基於改進型Faster R-CNN遙感圖像飛機目標識別和定位演算法設計
    3.2.1  演算法框架
    3.2.2  改進型Faster R-CNN演算法設計
    3.2.3  全局處理模塊設計
    3.2.4  實驗結果分析
  3.3  旋轉飛機目標精煉檢測演算法研究
    3.3.1  輕量化特徵提取網路設計
    3.3.2  特徵融合模塊AFPN設計
    3.3.3  多尺度逐步檢測精煉解碼器DRD設計
    3.3.4  損失函數設計
    3.3.5  實驗結果分析
  3.4  遙感飛機目標檢測技術展望
第4章  遙感艦船目標檢測與識別技術
  4.1  面向多尺度變化的遙感影像艦船目標檢測方法
    4.1.1  特徵錯位問題分析
    4.1.2  基於特徵選擇對齊的多尺度目標檢測方法
    4.1.3  特徵對齊模塊設計
    4.1.4  特徵選擇模塊設計
    4.1.5  實驗結果分析
  4.2  遙感影像旋轉艦船目標檢測器RS-YOLOv5設計
    4.2.1  基線模型的構建

    4.2.2  旋轉艦船目標檢測器RS-YOLOv5的構建
    4.2.3  實驗結果分析
  4.3  旋轉艦船目標檢測器RS-YOLOv5輕量化
    4.3.1  輕量化網路結構設計
    4.3.2  網路壓縮
    4.3.3  實驗結果分析
  4.4  遙感圖像艦船檢測技術展望
第5章  遙感圖像建築物提取技術
  5.1  基於DeepLapV3+的建築物提取方法
    5.1.1  遙感建築圖像數據集的構建
    5.1.2  訓練策略
    5.1.3  DeepLabV3+訓練結果分析
  5.2  基於多尺度融合的建築物提取方法
    5.2.1  躍層特徵融合的解碼器設計
    5.2.2  基於通道混洗的金字塔池化模塊設計
    5.2.3  訓練與結果分析
  5.3  引入注意力機制的建築物提取方法
    5.3.1  注意力機制的發展
    5.3.2  引入雙注意力機制模塊
    5.3.3  訓練與結果分析
  5.4  建築物提取技術展望
第6章  遙感圖像土地提取技術
  6.1  基於混合注意力和多尺度融合的土地提取方法
    6.1.1  躍層特徵融合的解碼器設計
    6.1.2  混合注意力機制模塊
    6.1.3  總體流程框架圖
    6.1.4  實驗結果分析
  6.2  基於DCAUNet神經網路土地提取方法
    6.2.1  DUNet網路結構
    6.2.2  引入多支路混合空洞卷積
    6.2.3  引入雙通道注意力機制
    6.2.4  DCAUNet損失函數的改進
    6.2.5  實驗結果分析
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032