包邮遥感影像深度学习智能解译与识别

**部分 SAR图像分类与变化检测 第1章 基于DC-ResNet的SAR图像 目标分类 1.1 引言 1.2 深度残差网络基础 1.2.1 非线性激活函数 1.2.2 Dropout操作 1.2.3 批规范化 1.2.4 全局均值池化 1.2.5 跳跃连接 1.3 基于DC-ResNet的SAR图像 目标分类 1.3.1 可变形卷积核 1.3.2 可变形卷积残差模块 1.3.3 DC-ResNet 模型 1.4 实验结果与分析 1.4.1 实验数据 1.4.2 实验环境 1.4.3 实验结果分析 本章小结 参考文献 第2章 脊波反卷积结构学习模型 2.1 引言 2.2 反卷积结构模型 2.2.1 经典的反卷积神经网络 2.2.2 构造反卷积结构模型的前期实验 2.2.3 反卷积结构模型的构造 2.2.4 反卷积结构模型的训练过程 2.3 脊波反卷积结构学习模型 2.3.1 模型的构造 2.3.2 模型的训练 2.4 混合聚集结构地物像素子空间的 SAR图像分割 2.4.1 算法描述 2.4.2 实验仿真与分析 本章小结 参考文献 第3章 基于改进帧差法与YOLO深度网络的 遥感影像目标检测 3.1 引言 3.2 帧间差分法 3.2.1 帧间差分法原理 3.2.2 改进帧间差分法 3.3 YOLO深度网络 3.3.1 YOLO网络的思想与原理 3.3.2 YOLO网络损失函数的设计 3.3.3 YOLO网络的优势 3.4 基于改进帧差法和YOLO深度网络 的遥感影像目标检测 3.4.1 实验数据准备及预处理 3.4.2 基于改进帧差法的遥感影像运动 目标检测 3.4.3 基于高分辨YOLO深度网络的 遥感影像目标检测 3.5 实验结果与分析 3.5.1 参数设置第二部分 极化SAR图像分类与变化检测第三部分 高光谱影像分类第四部分 遥感影像解译描述与分类