PRoRS

课程介绍

  • 第01讲 概述

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
    • 线性分类器
    • 聚类：kmeans、高斯混合模型
    • SVM不同核函数及其参数对分类性能
    • Adaboost集成算法
    • 随机森林
  • 2018年春季课程报告
PRoRS
  • 2017年春季课程报告
  • 查看页面源码

2017年春季课程报告

  • 线性分类器
    • 导入
    • 读取数据
    • 拆分训练集50，验证集25，测试集25
    • 训练模型
    • 对图形分类
  • 聚类：kmeans、高斯混合模型
    • 模块导入
    • 读取数据
    • k-means
    • GMM
  • SVM不同核函数及其参数对分类性能
    • 导入
    • 读取数据
  • Adaboost集成算法
  • 随机森林
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.