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
HABuo7 小时前
【YOLOv8】YOLOv8改进系列(11)----替换主干网络之MobileNetV4
人工智能·深度学习·yolo·目标检测·计算机视觉
枉费红笺9 小时前
目标检测的训练策略
人工智能·目标检测·计算机视觉
枉费红笺10 小时前
目标检测竞赛训练策略解析与拓展
人工智能·目标检测·计算机视觉
小白的高手之路11 小时前
常用的卷积神经网络及Pytorch示例实现
人工智能·pytorch·python·深度学习·神经网络·cnn
TGITCIC14 小时前
BERT与Transformer到底选哪个-上部
人工智能·gpt·大模型·aigc·bert·transformer
xidianjiapei00116 小时前
构建大语言模型应用:句子转换器(Sentence Transformers)(第三部分)
人工智能·语言模型·自然语言处理·llm·transformer
Francek Chen17 小时前
【现代深度学习技术】现代卷积神经网络06:残差网络(ResNet)
人工智能·pytorch·深度学习·神经网络·cnn·resnet
www_pp_19 小时前
# 基于 OpenCV 的运动目标检测与跟踪
人工智能·opencv·目标检测
Ayakanoinu20 小时前
【论文阅读】Dynamic Adversarial Patch for Evading Object Detection Models
论文阅读·目标检测·目标跟踪
机器学习之心1 天前
回归预测 | Matlab实现NRBO-Transformer-BiLSTM多输入单输出回归预测
matlab·回归·多输入单输出回归预测·transformer·bilstm·nrbo