PRoRS
latest
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
第一部分:特征空间像元分类
第02讲 像元分类-决策规则
第03讲 神经网络-逼近能力
第04讲 学习算法-梯度下降
第05讲 模型评估-泛化能力
第06讲 非监督学习-降维与聚类
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
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
学生报告
2017年春季课程报告
2018年春季课程报告
PRoRS
Docs
»
第01讲 概述
Edit on GitHub
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