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
Ailerx15 小时前
YOLOv13震撼发布:超图增强引领目标检测新纪元
人工智能·yolo·目标检测
FF-Studio19 小时前
【硬核数学 · LLM篇】3.1 Transformer之心:自注意力机制的线性代数解构《从零构建机器学习、深度学习到LLM的数学认知》
人工智能·pytorch·深度学习·线性代数·机器学习·数学建模·transformer
埃菲尔铁塔_CV算法1 天前
基于 TOF 图像高频信息恢复 RGB 图像的原理、应用与实现
人工智能·深度学习·数码相机·算法·目标检测·计算机视觉
cver1231 天前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
学技术的大胜嗷1 天前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习
kyle~2 天前
目标检测在国防和政府的应用实例
人工智能·目标检测·计算机视觉
weixin_377634842 天前
【数据增强】精细化贴图数据增强
人工智能·目标检测·贴图
加油吧zkf2 天前
目标检测新纪元:DETR到Mamba实战解析
图像处理·人工智能·python·目标检测·分类
寻丶幽风2 天前
论文阅读笔记——VGGT: Visual Geometry Grounded Transformer
论文阅读·笔记·transformer·三维重建·3dgs·vggt
weisian1512 天前
人工智能-基础篇-10-什么是卷积神经网络CNN(网格状数据处理:输入层,卷积层,激活函数,池化层,全连接层,输出层等)
人工智能·神经网络·cnn