企业网站优化电话,登封seo公司,做网站前期费用,免费版多用户商城源码遥感图像识别#xff1a;
专业词汇#xff1a;
kernel#xff1a;卷积
目录
遥感图像分类 1.1 LeNet-5
视频来源#xff1a;
任务#xff1a;使用什么网络实现遥感图像的分类
LeNet-5结构#xff1a;
遥感图像分类 1.2 AlexNet#xff08;冠军#xff09;
视频…遥感图像识别
专业词汇
kernel卷积
目录
遥感图像分类 1.1 LeNet-5
视频来源
任务使用什么网络实现遥感图像的分类
LeNet-5结构
遥感图像分类 1.2 AlexNet冠军
视频来源
1主要i内容
AlexNet结构
遥感图像分类 1.3 VGGNet亚军
视频来源
主要内容
VGGNet结构
遥感图像分类 1.4 GoogLeNet
视频来源
GoogLeNet结构 遥感图像分类 1.5 ResNet
视频来源
ResNet结构: 遥感图像分类 1.1 LeNet-5 视频来源
遥感图像分类 1.1 LeNet-5_哔哩哔哩_bilibili
任务使用什么网络实现遥感图像的分类 基于MNIST的遥感数据集LeNet-5搭建训练保存LeNet-5调用和预测
LeNet-5结构 基于MNIST的遥感数据集
数据集放在了评论区用来进行验证
从CSV文件中载入数据数据采集
读取CSV 文件转换成数组读取图片读取标签维度改变 405
总结
数据采集 按照列读取CSV 文件 标签信息 图片信息 维度处理 和之前一样建立模型 和上节课一样模型训练 增加轮数以达到更好的训练效果max80%模型测试 通过画图的方式可视化正确率遇到瓶颈 对预测的位置信息转换成对应名称通过数据方式实现 遥感图像分类 1.2 AlexNet冠军
视频来源
遥感图像分类 1.2 AlexNet_哔哩哔哩_bilibili
1主要i内容
遥感图像的载入AlexNet结构与创新AlexNet搭建训练预测
AlexNet结构 去网上找遥感图片
载入数据
按照路径读取相对路径预处理 归一化——水平翻转4:04——批大小——随机——尺寸——独热编码基础知识 步长 Stride 加边 Padding 参数 Param 卷积后尺寸(输入图像大小-卷积核大小加边像素数)/步长 1 Tensorflow默认:Paddingvalid(丢弃)strides1 设置:Paddingsame:保证输出和输出尺寸不变自动设置填充 参数: 卷积层:(卷积参数(卷积核各部分)偏置参数)*卷积核的个数 池化层:不需要训练参数 全连接层:神经元连接权重偏置参数
模型搭建ReLUDropout
模型训练learning_ratebatch_size 遥感图像分类 1.3 VGGNet亚军
视频来源
遥感图像分类 1.3 VGGNet_哔哩哔哩_bilibili
主要内容
VGGNet 结构与创新VGGNet训练与预测迁移学习训练VGGNet
VGGNet结构 数据载入方式和上节课一样
感受视野 Receptive Field 定义:输出层一个元素对应输入层区域的大小。 计算:感受视野(上一层感受视野-1)*步长 卷积核尺寸 VGGNet提出:
堆叠两个3*3卷积核替代一个5*5卷积核 堆叠三个3*3卷积核替代一个7*7卷积核。 相同感受视野训练参数量减少。
迁移学习 遥感图像分类 1.4 GoogLeNet
视频来源
遥感图像分类 1.4 GoogLeNet_哔哩哔哩_bilibili GoogLeNet结构GoogLeNet创新GoogLeNet训练与预测
GoogLeNet结构 Inception模块:
输入为28*28*192(*不考虑偏置项) 直接32个5X5 卷积参数:5*5*192*32105600 先使用16个1X1卷积降维再使用32个5X5 卷积参数:1*1*192*165*5*16*3215872
Padding问题: TensorFlow中 padding same 输出图像的长和宽输入图像/步长(结果向上取整) *如果步长为1卷积、池化操作不改变图像的长宽。
参考NIN网络
使用全局平均化代替全连接层避免全连接层带来的大量训练参数 遥感图像分类 1.5 ResNet
视频来源
遥感图像分类 1.5 ResNet_哔哩哔哩_bilibili
ResNet结构: Batch Normalization 批量归一化 每一层输入的时候先做一个归一化处理然后在进入网络的下一层 避免梯度消失和爆炸训练更稳定
退化现象不同于过拟合 网络层数越多训练集loss逐渐下降之后趋于饱和继续增加网络深度的话训练集loss反而更大
捷径分支
模型搭建
残差模块
最后附上本人粗浅的见解感觉以上这五个网络结构可以看成处理机器学习图像/遥感图像分类的五种数学方法/函数方法
