深度卷积网络采用“端对端”的特征学习，通过多层处理机制揭示隐藏于数据中的非线性特征，能够从大量训练集中自动学习全局特征（这种特征被称为“学习特征”），是其在遥感影像自动目标识别取得成功的重要原因，也标志特征模型从手工特征向学习特征转变。以PyTorch为主体的深度学习平台为使用卷积神经网络也提供程序框架。

Ⅰ基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化

专题一 深度卷积网络

1.深度学习在遥感图像识别中的范式和问题

2.深度学习的历史发展历程，从中理解深度学习在遥感应用中的优缺点

3.机器学习，深度学习等任务的处理流程

4.卷积神经网络的原理及应用

5.卷积运算的原理、方法

6.池化操作，全连接层，以及分类器的作用及在应用中的注意事项

7.BP反向传播算法的方法

8.CNN模型代码

9.特征图，卷积核可视化分析

专题二 PyTorch应用与实践（遥感图像场景分类）

1.PyTorch框架

2.动态计算图，静态计算图等机制

3.PyTorch的使用教程

4.PyTorch的学习案例

5.PyTorch的使用与API

6.PyTorch图像分类任务策略方法案例：

（1）不同超参数，如初始化，学习率对结果的影响

（2）使用PyTorch搭建神经网络并实现遥感图像场景分类

专题三 卷积神经网络实践与遥感影像目标检测

1.深度学习下的遥感影像目标检测基本知识

2.目标检测数据集的图像和标签表示方式

3.目标检测模型的评估方案，包括正确率，精确率，召回率，mAP等

4.two-stage（二阶）检测模型框架，RCNN, Fast RCNN, Faster RCNN等框架的演变和差异

5. one-stage（一阶）检测模型框架，SDD ，Yolo等系列模型

遥感影像目标检测任务案例：

（1）一份完整的Faster-RCNN 模型下实现遥感影像的目标检测

（2）数据集的制作过程，包括数据的存储和处理

（3）数据集标签的制作

（4）模型的搭建，组合和训练

（5）检测任数据集在验证过程中的注意事项 

专题四 深度学习与遥感影像分割任务

1.深度学习下的遥感影像分割任务的基本概念

2.FCN，SegNet，U-net等模型的差异

3.分割模型的发展小结

4.遥感影像分割任务和图像分割的差异

5.在遥感影像分割任务中的注意事项案例 

（1）数据集的准备和处理

（2）遥感影像划分成小图像的策略

（3）模型的构建和训练方法

（4）验证集的使用过程中的注意事项

专题五 遥感影像问题探讨与深度学习优化技巧

1.现有几个优秀模型结构的演变原理，包括AlexNet，VGG，googleNet，ResNet，DenseNet等模型

2.从模型演变中讲解实际训练模型的技巧

3.针对数据的优化策略

4.针对模型的优化策略

5.针对训练过程的优化策略

6.针对检测任务的优化策略

7.针对分割任务的优化策略

8.提供一些常用的检测，分割数据集的标注工具

Ⅱ基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割实践

专题一 深度卷积网络知识

1.深度学习在无人机图像识别中的范式和问题

2.深度学习的历史发展历程

3.机器学习，深度学习等任务的基本处理流程

4.卷积神经网络的基本原理

5.卷积运算的原理和理解

6.池化操作，全连接层，以及分类器的作用

7.BP反向传播算法的理解

8.CNN模型代码

9.特征图，卷积核可视化分析

专题二 PyTorch应用与实践

1.PyTorch简介

2.动态计算图，静态计算图等机制

3.PyTorch的使用教程

4.PyTorch的学习案例

5.PyTorch的基本使用与API

6.PyTorch图像分类任务

案例：

(1)不同超参数，如初始化，学习率对结果的影响

(2)使用PyTorch搭建神经网络并实现手写数字的分类

(3)使用PyTorch修改模型并提升分类模型表现

专题三 卷积神经网络实践与无人机影像目标检测

1.深度学习下的无人机影像目标检测基本知识

2.目标检测数据集的图像和标签表示方式

3.目标检测模型的评估方案，包括正确率，精确率，召回率，mAP等

4.two-stage（二阶）检测模型框架，RCNN, Fast RCNN, Faster RCNN等框架的演变和差异

5.one-stage（一阶）检测模型框架，SDD ，Yolo等系列模型

6.现有检测模型发展小结

无人机影像目标检测任务案例：

（1）一份完整的Faster-RCNN 模型下实现对无人机影像的目标检测

（2）数据集的制作过程，包括数据的存储和处理，并使用PyTorch加载数据集

（3）数据集标签的制作

（4）模型的搭建，组合和训练

（5）检测任数据集在验证过程中的注意事项

（6）无人机影像的植物识别和统计

专题四 深度学习与无人机影像分割任务

1.深度学习下的无人机影像分割任务的基本概念

2.FCN，SegNet，U-net等模型的差异

3.分割模型的发展小结

4.无人机影像分割任务和图像分割的差异

5.在无人机影像分割任务中的注意事项

案例：

（1）无人机土地覆盖分类案例

（2）数据集的准备和处理

（3）无人机影像划分成小图像的策略

（4）模型的构建和训练方法

（5）验证集的使用过程中的注意事项

专题五 点云数据的语义分类任务与深度学习优化技巧

1.深度学习下的ASL（机载激光扫描仪）点云数据语义分类任务的基本知识

2.PointNet与PointNet++等模型

案例：

(1)点云数据的预处理和划分

(2)点云数据的语义分割

(3)点云数据的预测结果分析

深度学习相关技巧总结：

1.现有几个优秀模型结构的演变原理，包括AlexNet，VGG，googleNet，ResNet，DenseNet等模型

2.从模型演变中实际训练模型的技巧

3.针对数据的优化策略

4.针对模型的优化策略

5.针对训练过程的优化策略

6.针对检测任务的优化策略

7.针对分割任务的优化策略

8.提供一些常用的检测，分割数据集的标注工具

Ⅲ基于Python深度学习遥感影像地物分类与目标识别、分割

第一章 深度学习发展与机器学习

1.深度学习在遥感图像识别中的范式和问题

2.深度学习的历史发展历程

3.机器学习，深度学习等任务的基本处理流程

4.梯度下降算法

5.不同模型初始化，学习率对结果的影响

6.超参数评估实例分析

7.从机器学习到深度学习算法

第二章 深度卷积网络基本原理

1.基本ENVI波谱操作

2.卷积神经网络的基本原理

3.卷积运算的原理和理解

4.池化操作、全连接层以及分类器的作用

5.BP反向传播算法的理解

6.一个简单CNN模型代码理解

7.特征图、卷积核可视化分析

第三章 TensorFlow与Keras介绍与入门

1.TensorFlow简介

2.静态计算图，会话等机制理解

3.TensorFlow的使用教程

4.TensorFlow的学习案例

5.TensorBoard的基本使用与API

6.Keras的简介

7.Keras与TensorFlow的关系以及使用教程

案例：

(1)使用TensorFlow搭建神经网络并实现手写数字的分类

(2)使用Keras搭建神经网络并实现手写数字的分类

第四章 PyTorch介绍与入门

1.PyTorch简介

2.动态计算图等机制

3.PyTorch与TensorFlow的差异

4.PyTorch的使用教程

第五章 卷积神经网络实践与遥感图像场景分类

1.遥感图像场景数据集处理方案

2.使用TensorFlow完成卷积神经网络的搭建

3.细粒度代码实现与卷积神经网络参数含义

4.实现深度学习模型的训练，存储和预测

5.模型的finetuning策略

案例：

（1）使用TensorFlow实现对mnist，sat-4数据集进行分类

（2）搭建VGG16模型完成EuroSAT多光谱数据集的场景分类

第六章 深度学习与遥感图像检测

1.图像检测的基本概念

2.检测数据集的表示方式

3.模型评估方案，包括正确率，精确率，召回率，mAP等内容

4.two-stage（二阶）检测模型框架，RCNN, Fast RCNN, Faster RCNN等框架的演变和差异

5.one-stage（一阶）检测模型框架，Yolo，SDD

6.现有检测模型发展小结

遥感图像检测案例：

（1）一份完整的Faster-RCNN 模型下实现对SpaceNet遥感数据集建筑

（2）物检测任务的代码

（3）数据集的制作过程，包括数据的存储和处理

（4）数据集标签的制作

（5）模型的搭建，组合和训练

（6）检测任数据集在验证过程中的注意事项

第七章 深度学习与遥感图像分割

1.图像分割的基本概念

2.FCN，SegNet，U-net等模型的差异

3.分割模型的发展小结

4.遥感图像分割任务和图像分割的差异

5.在遥感图像分割任务中的注意事项

遥感图像分割案例：

（1）一份完整的使用U-net实现遥感图像分割任务的代码

（2）数据集的准备和处理

（3）遥感图像划分成小图像的策略

（4）模型的构建和训练方法

（5）验证集的使用过程中的注意事项

第八章 深度学习优化技巧与数据标注工具

1.现有几个优秀模型结构的演变原理，包括AlexNet，VGG，googleNet，ResNet，DenseNet等模型

2.从模型演变中讲解实际训练模型的技巧

3.针对数据的优化策略

4.针对模型的优化策略

5.针对训练过程的优化策略

6.针对检测任务的优化策略

7.针对分割任务的优化策略

8.提供一些常用的检测，分割数据集的标注工具

关 注【科研充电吧】公 众 号，获取海量教程和资源