遥感影像目标检测:从CNN(Faster-RCNN)到Transformer(DETR)

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

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模型代码详解

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图像分类任务讲解

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.讲解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.讲解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.讲解 one-stage(一阶)检测模型框架,SDD ,Yolo等系列模型

6.现有检测模型「CNN系列」发展小结,包括AlexNet,VGG,googleNet, ResNet,DenseNet等模型

7.从模型演变中讲解实际训练模型的技巧

专题四 卷积神经网络的遥感影像目标检测任务案例 【FasterRCNN】

1.一份完整的Faster-RCNN 模型下实现遥感影像的目标检测

2.讲解数据集的制作过程,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

专题五 Transformer与遥感影像目标检测

1.从卷积运算到自注意力运算 self-attention

2.pytorch实现的自监督模块

3.从Transformer到Vision Transformer (ViT)

4.Transformer下的新目标检测范式,DETR

5.各类模型在遥感影像下的对比和调研

专题六 Transformer的遥感影像目标检测任务案例 【DETR】

1.一份完整的DETR模型下实现遥感影像的目标检测

2.讲解针对数据的优化策略

3.讲解针对模型的优化策略

4.讲解针对训练过程的优化策略

5.讲解针对检测任务的优化策略

6.提供一些常用的检测,分割数据集的标注工具

相关推荐
高洁0111 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
β添砖java11 小时前
NLP自然语言处理4:迁移学习:fasttext工具,训练词向量、词向量迁移、迁移学习概念、NLP中常用预训练模型、transformer库使用、迁移学习实践
自然语言处理·transformer·迁移学习
Oiiouui15 小时前
原始CNN识别与训练模型实现
神经网络·机器学习·cnn
会飞锦鲤21 小时前
基于 RT-DETR 的 PCB 缺陷检测
深度学习·目标检测·计算机视觉·pyqt5·rt-detr·工业质检·pcb缺陷检测
高洁012 天前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习
Soari3 天前
大语言模型LLM综述解读:从预训练到评测,建立理解 LLM 的技术地图
transformer·大语言模型·tsn·rlhf·指令微调
β添砖java4 天前
Transformer大白话学习笔记
笔记·学习·transformer
Eloudy7 天前
从 DeepSeek-V1 到 DeepSeek-V2:一次从“堆稠密参数”到“稀疏计算+压缩缓存”的架构转向
gpt·llm·transformer
aifannihao8 天前
AI 学习第 14 课:CNN 训 6 轮卡在 0.5352,数据没打乱
pytorch·python·深度学习·cnn·学习路线
高洁018 天前
数据同化与动态状态估计:让孪生持续贴合现实
人工智能·python·深度学习·transformer·迁移学习