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
Mrs.Gril2 小时前
目标检测:yolov7算法在RK3588上部署
算法·yolo·目标检测
爱喝白开水a2 小时前
2025时序数据库选型,从架构基因到AI赋能来解析
开发语言·数据库·人工智能·架构·langchain·transformer·时序数据库
DatGuy10 小时前
Week 19: 深度学习补遗:自注意力和Transformer Encoder架构
人工智能·深度学习·transformer
mooooon L15 小时前
DAY 41 简单CNN-2025.10.5
人工智能·神经网络·cnn
Hcoco_me1 天前
YOLO入门教程(番外):卷积神经网络—图像卷积
深度学习·yolo·cnn
面壁的熊猫1 天前
目标检测概述
人工智能·目标检测·计算机视觉
之墨_1 天前
【大语言模型】—— Transformer的QKV及多头注意力机制图解解析
人工智能·语言模型·transformer
东方芷兰2 天前
LLM 笔记 —— 02 大语言模型能力评定
人工智能·笔记·python·神经网络·语言模型·自然语言处理·cnn
通信小呆呆3 天前
动态目标检测与跟踪:基于卡尔曼滤波的门限关联与可视化全流程
人工智能·目标检测·机器学习
丁学文武3 天前
大模型原理与实践:第二章-Transformer架构_第2部分Encoder-Decoder架构
人工智能·深度学习·transformer