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

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

摘要： 比较了不同抽样方法（随机，分层等比随机，分层不等比随机，人为），不同交叉验证方法（k折，留一法，蒙特卡洛），不同样本范围大小的效果，最后都是用SVM分类 结果是k折验证最好，人为选择样本最差。小范围小样本的效果和分布广泛的样本的效果差不多，说明了如果取样困难，小样本也是能用的 阅读全文

摘要： 贝叶斯+全连接条件场，无人机和航片数据，通过标注航片数据自动生成无人机标注数据，具体不懂 阅读全文

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

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

摘要： 识别葡萄的一种虫害，比较了传统SIFT和深度学习分类，最后还做了目标检测 分类用的 MobileNet，目标检测 RetinaNet MobileNet 是将传统深度可分离卷积分成了两步，深度卷积和逐点卷积，性能基本不受影响情况下，降低计算量和参数量 RetinaNet 主要提出 focal los 阅读全文

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

摘要： 利用Unet结构对landsat数据进行冰川裂缝提取，结构如下：训练集很小只有123张152*240图片 阅读全文

摘要： 对 Potsdam and Vaihingen 公开数据集进行处理，得到了SOTA的结果，超越DeepLab_v3+，提出的网络结构如下：结合了ASPP和FCN，UNet 阅读全文