×
暂无评论
图文详情
  • ISBN:9787121411526
  • 装帧:简裝本
  • 版次:1
  • 册数:暂无
  • 重量:暂无
  • 印刷次数:1
  • 开本:16开
  • 页数:128
  • 出版时间:2022-04-01
  • 条形码:9787121411526 ; 978-7-121-41152-6

本书特色

高分辨率遥感图像场景分类是遥感影像解译中的一个关键任务,具有广泛的应用前景。本书介绍了高分辨率遥感图像场景分类的基本知识和现有的研究方法,并系统总结了作者在基于深度学习的高分辨率遥感图像场景分类方面的研究工作。全书共6章,分为4个部分:**部分(第1章)介绍了高分辨率遥感图像场景分类的的定义、研究背景和现有研究工作,以及本书的主要内容;第二部分(第2章-3章)将特征提取策略和监督方式对高分辨率遥感图像场景分类性能的影响进行了定性分析和定量实验评估;第三部分(第4章-5章)介绍了两种不同解决思路的高分辨率遥感图像场景分类方法来应对人工标注成本较高的问题;第四部分(第6章)对本书的主要内容进行总结,并对未来的研究工作进行展望。第2-5章都附有相关的实验验证工作,以便有兴趣的读者进一步钻研探索。

内容简介

高分辨率遥感图像场景分类是遥感影像解译中的一个关键任务,具有广泛的应用前景。本书介绍了高分辨率遥感图像场景分类的基本知识和现有的研究方法,并系统总结了作者在基于深度学习的高分辨率遥感图像场景分类方面的研究工作。
全书共6章,第1章介绍了高分辨率遥感图像场景分类的定义、研究背景和现有研究工作,以及本书的主要内容:第2~3章将特征提取策略和监督方法对高分辨率遥感图像场景分类性能的影响进行了定性分析与定量实验评估;第4~5章介绍了两种不同解决思路的高分辨率遥感图像场景分类方法,以解决人工标注成本较高的问题;第6章对本书的主要内容进行总结,并对未来的研究工作进行展望。第2~5章都附有相关的实验验证工作,以便有兴趣的读者进一步钻研探索。
本书既可为高等院校控制科学与工程、人工智能、计算机科学、地球科学、电气工程等领域的研究人员和工程技术人员提供参考,也可作为相关专业高年级本科生和研究生的教学参考书。

目录

●第章绪论br引言br2国内外研究现状3br3本书的主要内容6br3研究动机6br32研究内容7br4本书的章节安排0br第2章特征提取策略对场景分类性能影响的评估br2高分辨率遥感图像场景分类方法特征提取策略总结br22特征提取策略对场景分类性能影响的定性评估5br22手工特征对场景分类性能影响的定性评估6br222数据驱动特征对场景分类性能影响的定性评估6br223手工特征和数据驱动特征的定性对比7br23特征提取策略对场景分类性能影响的定量评估8br23实验设置8br232定量评估结果24br233定量评估结果分析4br234主要数据集的复杂度对比42br24本章小结43br第3章监督方法对场景分类性能影响的评估44br3定性评估44br32定量评估45br32实验设置45br322定量评估结果45br323定量评估结果分析49br33本章小结5br第4章自动扩充标注样本对场景分类性能的提升52br4伪样本生成52br4总体架构53br42伪样本生成过程54br42一种新的伪样本筛选定量指标59br43自动标注样本的融合6br44场景分类主干网络的选取62br45融合FocalLoss的深度场景分类网络64br45传统交叉熵损失函数64br452FocalLoss损失函数66br46实验验证67br46实验设置67br462伪样本筛选定量指标的有效性验证68br463融合扩充标注样本和FocalLoss的有效性验证69br464流行算法对比7br47本章小结78br第5章基于EMGAN的半监督场景分类80br5EMGAN模型的设计80br5总体架构8br52判别器模型设计82br53生成器模型设计85br52EMGAN模型的训练87br52判别器的损失函数87br522生成器的损失函数br523训练模式9br53基于融合深度特征的场景分类9br53基于EMGAN的特征提取92br532基于CNN的特征提取93br533特征编码95br534特征融合及分类98br54实验验证98br54场景分类精度的有效性验证99br542EMGAN生成图像多样性的有效性验证09br55本章小结2br第6章总结与展望4br6本书研究工作总结4br62未来研究工作展望6br参考文献8br
展开全部

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航