基於深度學習的遙感影像地表覆蓋、地表利用分類
遙感影像解譯，作為數字影象分析的乙個重要組成部分，長期以來被廣泛應用於國土、測繪、國防、城市、農業、防災減災等各個領域。隨著機器學習技術的發展，如地表覆蓋分類等基於遙感影像的數字影象分析技術也得到了一定程度的發展。但是長期以來，基於遙感影像的應用仍停留在目視解譯的階段，自動化的程度較低。乙個重要的原因即遙感影像的機器學習分析方法效率不高，還不足以支撐現有的應用。
本題目標為在基於一定量的目視解譯樣本基礎上，通過各類影象處理、機器學習演算法，提取影像中各類地物的光譜或形狀等特別的特徵。計算其統計資訊，同時用這些種子類別對模型進行訓練，隨後用訓練好的模型去對其他待分資料進行分類。使每個像元按不同的規則將其劃分到和其最相似的樣本類，以此完成對整個影象的分類。
資料來自2023年中國南方某地區的高解析度無人機遙感影像，解析度為亞公尺級，光譜為可見光波段（r，g，b），提供的訓練樣本分為五類：植被（標記1）、建築（標記2）、水體（標記3）、道路（標記4）以及其他(標記0)，耕地、林地、草地均歸為植被類。初賽訓練集是2張大的png格式，大小是7939*7969，**集是三張大的png格式，大小為5190*5204，複賽訓練集增加了3張大的png格式，複賽**集也是三張png。相比其他型別比賽的資料，遙感影像視覺化較為方便，可以對遙感影像有個整體直觀的了解。
run_train.sh 根據overview裡面的模型設定，更改train_dir選擇對應的訓練資料和model_name設定訓練的模型
● run_test.sh 更改model_name選擇對應的模型測試
● run_vote.sh 更改model_name,對同一模型的不同epoch測試結果進行投票，得到該單模型結果
● ./submit.sh 每個模型的測試目錄 use_crf（e.g. ./submit.sh results/pspnet-densenet-s1s2-crf2/vote 1）
原文發布時間為：2018-10-13
衛星影像的AI分類與識別參賽筆記
標籤 空格分隔 影象分割 解決方案 因為看到衛星影像的ai分類與識別這個比賽和正在研究的衛星遙感影像分割型別很相似，就報名參加了。比賽分a，b榜提交，最終成績為複賽a榜23 867,b榜12 867，沒機會進決賽 現在把之前的一些經驗做下筆記。資料來自2015年中國南方某地區的高解析度無人機遙感影像...
衛星影像的公開與洩密
公開的衛星影像是否洩密？本來，高科技 高成本的衛星影像技術就是為軍事用途而發展起來的。所以網上公開衛星影像，引起了許多國家和地區軍方強烈反應。在中國的所有正規出版發行的民用地圖上，是絕對不會出現軍用設施和隱蔽建築的。而目前網上公開的衛星影像上，所有的秘密都暴露無遺，人們可以很清晰地看到一些軍用設施和...
ai前世識別 AI 的前世與今生
最近跟朋友聊天，他身邊的人似乎都認為，人工智慧當下還只是處於乙個萌芽的階段，最多是下圍棋比較厲害，真的要改變他們的生活，還很遙遠。他們不會想到 接踵而來的智慧型新時代產物，已經能夠徹底實現傳統工業生產裝置 辦公 營銷等應用的全面智慧型公升級，以及實現組織創新 個體崛起和智慧型管理。那麼，你了解ai的...