（WHU论文，带注释）深度卷积神经网络在高分辨率遥感图像的场景分类中的应用

是一篇有关深度学习的利用预训练网络对遥感图像进行分类的论文，原文是英文的，题目是我翻译的

高分辨率遥感影像场景分类是实现复杂场景快速自动识别的基础，在军事、救灾等领域有十分重要的意义。为了在有限的遥感数据集上获得高识别精度，本文提出了一种基于联合多尺度卷积神经网络模型的高分辨率遥感影像场景

包含几百张高分辨率遥感图像,对象类别(1架飞机,2艘船,3储罐,4棒球菱形,5网球场,6篮球场,7地跑道场,8港口,9桥,10车)。 包括150个不包含给定对象类别的任何目标的图像,文件夹“posit

深度卷积网络的遥感图像超分辨率

针对高空间分辨率遥感影像的分类问题,提出了基于深度学习的分类方法。该方法通过非下采样轮廓波变换计算影像的纹理特征,利用深度学习的常用模型—深度信念网络(DBN)对高分辨率遥感影像进行了基于光谱-纹理特

本文简述了水质遥感监测原理、可用的高分辨率卫星遥感数据以及分析方法。主要综述了遥感在内陆水体水质监测中的应用现状，讨论了这一技术在该领域应用中的利与弊以及今后的发展趋势。

High-resolution remote sensing image literature reading summary

高速公路交通是一个强耦合的非线性系统，极易受到各种干扰因素的影响。针对高速公路交通流模型的不确定性，提出用反演变结构控制理论，设计速度的控制律，使得高速公路主线交通流密度保持在期望密度的小邻域内，仿真

针对深度学习在高分辨率遥感图像下棕榈树检测方面所面临的准确率不高和检测效率低下的问题，从算法优化和异构硬件平台加速两方面提出一种有效可靠的解决办法。以YOLOⅴ3目标检测算法为例，采用扩大特征选择、加

用MATLAB将低分辨率处理成高分辨率，实现放大功能。