当前位置: 首页 > news >正文

遥感影像目标检测:从CNN(Faster-RCNN)到Transformer(DETR)

专题一 深度卷积网络
1.深度学习在遥感图像识别中的范式和问题
2.深度学习的历史发展历程
3.机器学习,深度学习等任务的基本处理流程
4.卷积神经网络的基本原理
5.卷积运算的原理和理解
6.池化操作,全连接层,以及分类器的作用
7.BP反向传播算法的理解
8.CNN模型代码详解
9.特征图,卷积核可视化分析

专题二 PyTorch应用与实践(遥感图像场景分类)
1.PyTorch简介
2.动态计算图,静态计算图等机制
3.PyTorch的使用教程
4.PyTorch的学习案例
5.PyTorch的基本使用与API
6.PyTorch图像分类任务讲解

专题三 卷积神经网络实践与遥感影像目标检测
1.深度学习下的遥感影像目标检测基本知识
2.目标检测数据集的图像和标签表示方式
3.讲解目标检测模型的评估方案,包括正确率,精确率,召回率,mAP等
4.讲解two-stage(二阶)检测模型框架,RCNN, Fast RCNN, Faster RCNN等框架       的演变和差异
5.讲解 one-stage(一阶)检测模型框架,SDD ,Yolo等系列模型
6.现有检测模型「CNN系列」发展小结,包括AlexNet,VGG,googleNet,    ResNet,DenseNet等模型
7.从模型演变中讲解实际训练模型的技巧

专题四 卷积神经网络的遥感影像目标检测任务案例 【FasterRCNN】
1.一份完整的Faster-RCNN 模型下实现遥感影像的目标检测
2.讲解数据集的制作过程,包括数据的存储和处理
3.数据集标签的制作
4.模型的搭建,组合和训练
5.检测任数据集在验证过程中的注意事项

专题五 Transformer与遥感影像目标检测
1.从卷积运算到自注意力运算 self-attention
2.pytorch实现的自监督模块
3.从Transformer到Vision Transformer (ViT)
4.Transformer下的新目标检测范式,DETR
5.各类模型在遥感影像下的对比和调研

专题六 Transformer的遥感影像目标检测任务案例 【DETR】
1.一份完整的DETR模型下实现遥感影像的目标检测
2.讲解针对数据的优化策略
3.讲解针对模型的优化策略
4.讲解针对训练过程的优化策略
5.讲解针对检测任务的优化策略
6.提供一些常用的检测,分割数据集的标注工具

http://www.dtcms.com/a/22688.html

相关文章:

  • 第3章 .NETCore核心基础组件:3.1 .NET Core依赖注入
  • 申论对策建议类【2022江苏B卷第一题“如何开展网络直播”】
  • OpenCV图像基本操作
  • 期权帮|股指期货的有效止盈止损策略?
  • Unsloth
  • 软件定义汽车时代的功能安全和信息安全
  • 【MySQL】第六弹---数据库表约束详解:从空属性到主键的全方位指南
  • EtherNet/IP转Modbus TCP:新能源风电监控与分析实用案例
  • uniapp webview嵌入外部h5网页后的消息通知
  • 就是第七题
  • 【前端学习笔记】Webpack
  • pod控制器
  • uniapp 安卓10+ 选择并上传文件
  • 抖音碰碰卡:碰一碰发视频,系统部署分享!
  • JAVA中的异常
  • 俄罗斯方块游戏完整代码示例
  • 从SSM到S4
  • C++--封装
  • uniapp 使用v-html在微信小程序中渲染成rich-text如何显示文本溢出省略
  • 数据库加密全解析:从传输到存储的安全实践
  • 计算机硬件组成+vmware虚拟机使用
  • #第十二题
  • window中git bash使用conda命令
  • 数据分析、商业智能、业务分析三者之间的关系
  • 计算机毕业设计hadoop+spark旅游景点推荐 旅游推荐系统 旅游可视化 旅游爬虫 景区客流量预测 旅游大数据 大数据毕业设计
  • MapReduce的工作原理及其在大数据处理中的应用
  • 多层代理模式解析Invocation
  • 重构测试项目为spring+springMVC+Mybatis框架
  • Debezium同步之如何同步GIS数据
  • 李代数和李群的转化方法