PRoRS

课程介绍

  • 第01讲 概述
    • 1.1 课程介绍
    • 1.2 遥感图像分类实例
    • 1.3 Python的安装与使用
    • 1.4 示例数据
    • 1.5 实践方式

第一部分:特征空间像元分类

  • 第02讲 分类过程
  • 第03讲 学习过程
  • 第04讲 深度学习
  • 第05讲 模型选择
  • 第06讲 数据准备
  • 课后作业 1

第二部分:图像平面对象识别

  • 第07讲 图像分类-CNN
  • 第08讲 对象检测-RCNN
  • 第09讲 语义分割-FCN
  • 第10讲 实例分割-RNN
  • 第11讲 图像合成-GAN
  • 课后作业 2

第三部分:地球表面遥感制图

  • 第12讲 地表覆盖制图
  • 第13讲 土地覆盖分类
  • 第14讲 专题制图
  • 第15讲 变化遥感监测
  • 课后作业 3

学生报告

  • 2017年春季课程报告
  • 2018年春季课程报告
PRoRS
  • 第01讲 概述
  • 查看页面源码

第01讲 概述

  • 1.1 课程介绍
    • 1.1.1 课程内容
    • 1.1.2 主要参考资料
    • 1.1.3 答疑与联系方式
  • 1.2 遥感图像分类实例
    • 1.2.1 读取数据
    • 1.2.2 数据可视化
    • 1.2.3 训练分类器
    • 1.2.4 精度评价:
  • 1.3 Python的安装与使用
    • 1.3.1 选择Python的理由
    • 1.3.2 Python的安装
  • 1.4 示例数据
    • 1.4.1 模拟数据集
    • 1.4.2 数据预处理
    • 1.4.3 数据清洗
    • 1.4.4 模型调用
    • 1.4.5 精度评价
  • 1.5 实践方式
    • 实践方式一: Kaggle(建议采用)
    • 实践方式二:自建环境
上一页 下一页

© 版权所有 2024, DREAM。

利用 Sphinx 构建,使用的 主题 由 Read the Docs 开发.