简介:摘要:高光谱图像分类一直是遥感领域的研究热点。由于高精度光谱特征的遥感对象图像富含深层次特征的光谱信息和空间信息,以及待捕捉特征的光谱信息与高精度光谱遥感数据采集对象之间的非线性空间关系,这些传统分类方法无法对特征进行准确分类,如何利用这些光谱信息对深层次特征进行准确分类识别,如何准确提取地物的深层特征并使其更容易分类,是高精度光谱遥感图像特征分类领域下一步技术研究的热点。目前,卷积神经网络模型作为工业深度学习的主要技术模型,已经发展成为工业图像分析处理的重要技术应用。深度机器学习特征方法系统作为一种强大的特征提取器,广泛应用于高精度光谱度的图像特征分类和分析任务。如何针对具体问题搭建网络,也是深度学习的研究内容之一。
简介:摘要:疫情期间,网络学习给我们每个人带来了一个福利:以前传统课堂上不能拥有的手机和电脑,现在是唾手可得而且成为了学习的必需品,硬件的加持对应着学习方式的更新换代。网络授课给了学生更多的学习自主性,合理运用各类软件,辅之以技巧,就能够提高学习效率,挖掘更多的学习可能性。我认为网络教学中学习方式的转变主要体现在以下几方面:
简介:摘要:本文采用DCGAN加强的方法,以garbage classify为例,探讨了DCGAN在城市生活废物中的应用。首先对DCGAN的网络进行了优化,将该网络的初始培训集合导入网络,再将该网络中产生的图象和原有的训练集合进行合并,从而形成一个新的训练集合。本法能够对数据进行高效的扩展,可以将其应用于生活垃圾的数据强化。从而实现了对垃圾的自动分类。