Exploiting ConvNet Diversity for Flooding Identification
摘要：语义分割洪水区域。 空洞卷积和反卷积组合，结果再用svm学习如何组合，能获得更好的效果。 直接对不同网络的结果进行投票会得到更差的结果。 消融研究（Ablation Study）：类似控制变量法，就对那些可能影响网络精度的参数进行不同组合，从而得到最好的设计
阅读全文
Missing Data Reconstruction in Remote Sensing Image With a Unified Spatial–Temporal–Spectral Deep Convolutional Neural Network（缺失数据补全，时空谱网络）
摘要：摘要 文章针对修复坏波段（AQUA B6），恢复条带损失，恢复云污染提出了一个深度学习网络结构，他说 To date, to the best of our knowledge, no studies investigating CNNs for the reconstruction of miss
阅读全文
Reconstructing Cloud-Contaminated Multispectral Images With Contextualized Autoencoder Neural Networks（自编码机重建云污染区）
摘要：1、逐像元输入输出与邻域输入输出，邻域处理是先flatten，再unflatten 2、用MDL方法（最小描述长度）寻找自编码机最佳隐藏层数 3、多目标优化方法寻找MDL方法的超参数，平衡MDL方法两项的差距 补充学习： 1、Autoencoder（自编码机）： 深度学习中的一种非监督学习，他去学习
阅读全文
跑深度学习网络遇到的一些错误总结
摘要：1、做二分类时用 sigmoid 激活函数，模型输出的通道数要是1维的，同时损失函数用 binary_crossentropy 2、做二分类时用 softmax 激活函数，模型输出的通道数要是类别数目，同时损失函数用 categorical_crossentropy 3、模型里激活函数是默认参数时，
阅读全文
Automatic Ship Detection in Optical Remote Sensing Images Based on Anomaly Detection and SPP-PCANet
摘要：基于异常检测和 PCANet 的船舶目标检测 船舶检测会遇到三个问题： 1、船低对比度 2、海平面情况复杂 3、云，礁等错误检测 实验步骤： 1、预处理海陆边界，掩膜陆地 2、异常检测获得感兴趣区域，多变量高斯分布模型，比最大类间方差和迭代阈值分割效果好 3、PCANet 获得特征，后面接SPP，获
阅读全文
Hyperspectral Images Classification Based on Dense Convolutional Networks with Spectral-Wise Attention Mechanism
摘要：借鉴了DenseNet的思想，用了空洞卷积而不是池化，使得特征图不会缩小，因此每个dense连接都可以直接连，最后一层是包括了前面所有层的特征图。 此外还加入了channel-wise的注意力，对每个通道进行筛选。 做的还是逐像素预测，选取一个像素点周围d的大小输入到网络中，得到标签。 补充： De
阅读全文
Hyperspectral Image Classification Using Similarity Measurements-Based Deep Recurrent Neural Networks
摘要：用RNN来做像素分类，输入是一系列相近的像素，长度人为指定为l，相近是利用像素相似度或是范围相似度得到的，计算个欧氏距离或是SAM。 数据是两个高光谱数据 1、Pavia University，Reflective Optics System Imaging Spectrometer (ROSIS)
阅读全文
Clouds Classification from Sentinel-2 Imagery with Deep Residual Learning and Semantic Image Segmentation
摘要：哨兵2号云检测的语义分割，提出了CloudNet，不使用池化和上采样操作，从头到尾保持原图大小，中间每个块使用ASPP和残差连接，网络结构如下 比较了CNN, FCN, DeeplabV3+，效果都没CloudNet好，效果最好的层数是12，分支是8个
阅读全文
Multi-Temporal SAR Data Large-Scale Crop Mapping Based on U-Net Model（利用U-net对多时相SAR影像获得作物图）
摘要：对哨兵1号的多时相双极化SAR数据进行预处理，得到18个日期的VV和VH共36景影像，通过ANOVA和JM距离分析，选其中ANOVA得到的F值最高的6景影像。真值用LC8数据和地面调查，目视解译得到标签。将6景影像合到一个数据中即6波段数据，输入到UNET中，网络结构同原始UNet，除了在conv和
阅读全文
A Comprehensive Evaluation of Approaches for Built-Up Area Extraction from Landsat OLI Images Using Massive Samples（landsat8建城区提取不同方法比较）
摘要：感觉主要是数据的创新，方法就是比较了传统方法（RF,SVM,Adaboost）和CNN，输入比较了单像素输入和像素周围3,5,7大小的范围。也不是语义分割，最基本的CNN，单像素时还用的1*1的卷积 用的数据是landsat8作为检测的图，真值点用欧空局的2014年全球38m建城区数据为基准随机生成
阅读全文
Large-Scale Oil Palm Tree Detection from High-Resolution Satellite Images Using Two-Stage Convolutional Neural Networks（worldview油棕树检测）
摘要：不是目标检测也不是语义分割，两步CNN指的是，采集的数据是一堆点，以点为中心的65*65和17*17图像范围大小来判断这个点是否是油棕树。第一步就是判断65*65的范围是否为（油棕树植被群，其他植被/空地，不透水面/云），第二步判断17*17的范围是否为（油棕树，背景，其他植被/空地，不透水面/云）
阅读全文
Visual Detail Augmented Mapping for Small Aerial Target Detection（航片动态小目标检测）
摘要：1.介绍 航片里小目标占总像元数不足1%，普通目标检测算法如YOLO会有很多错误，主要原因有3点： 1、航片的无关背景占多数 2、目标大小由于飞行高度和拍摄角度不同 3、航片中的小移动目标和噪音会混淆 2.方法步骤 1、多线索前景分割 结合了 optical flow 和 background mo
阅读全文
Large Kernel Matters —— Improve Semantic Segmentation by Global Convolutional Network（GCN全局卷积网络）
摘要：作者认为语义分割的两个挑战是分类和定位，而这两个挑战又是比较对立的。对于分类问题，模型需要有变形和旋转不变形，而对于定位问题，模型有需要对变形敏感。 提出的GCN遵循两个主要原则： 1、对定位问题，模型需要全卷积来获得定位信息，不能有全连接或是全局池化层。 2、对分类问题，需要有大的卷积核来连接特征
阅读全文
Learning a Discriminative Feature Network for Semantic Segmentation（语义分割DFN，区别特征网络）
摘要：1、介绍 语义分割通常有两个问题：类内不一致性（同一物体分成两类）和类间不确定性（不同物体分成同一类）。本文从宏观角度，认为语义分割不是标记像素而是标记一个整体，提出了两个结构解决这两个问题，平滑网络和边界网络（Smooth Network and Border Network）。平滑网络用的是通道
阅读全文
Super-Resolution Restoration of MISR Images Using the UCL MAGiGAN System 超分辨率恢复
摘要：作者是伦敦大学学院Mullard空间科学实验室成像组，之前做过对火星图像的分辨率增强。 文章用了许多的图像处理方法获得特征和高分辨率的中间结果，最后用一个生产对抗网络获得更好的高分辨率结果。 用的数据是MISR多角度成像数据，225282个训练样本，输入275m分辨率（64*64），得到68.75m
阅读全文
利用 keras_proprecessing.image 扩增自己的遥感数据（多波段）
摘要：1、keras 自带的 keras_proprecessing.image 只支持三种模式图片（color_mode in ['grey', 'RGB', 'RGBA']）的随机扩增。 2、遥感数据除了一景影像大，不能一次性扩增外，有的高光谱卫星波段多，如 Landsat8 就有8个波段，无法直接用
阅读全文
