声明
第1 章绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文的组织结构
第2 章地表覆盖分类中的神经网络技术
2.1 常见的计算机视觉任务
2.1.1 图像分类任务
2.1.2 目标检测任务
2.1.3 语义/实例分割任务
2.2 卷积神经网络中的函数
2.2.1 常见激活函数
2.2.2 本文使用的评价指标
2.2.3 常见损失函数
2.3 神经网络存在的问题
2.4 本章总结
第3 章基于骨干网络优化的语义分割任务
3.1 骨干网络优化策略
3.2 实验设计
3.2.1 实验数据
3.2.2 实验输入与输出
3.2.3 实验环境与参数
3.2.4 实验中使用的评价指标
3.3 实验验证
3.3.1 三通道的实验结果
3.3.2 四通道的实验结果
3.4 本章总结
第4 章基于迁移学习的语义分割方法
4.1 深度学习迁移学习方法
4.2 基于遥感场景分类的预训练模型
4.2.1 预训练使用的数据
4.2.2 预训练的模型选择
4.2.3 预训练权重的训练
4.3 实验验证
4.3.1 预训练权重在源领域表现
4.3.2 微调方案分析
4.3.3 预训练对目标领域的增强效果
4.4 本章总结
第5 章基于双督促与金字塔池化的U-Net 模型
5.1 基于骨干网络的督促方法
5.1.1 网络结构修改
5.1.2 骨干网络督促的标签获取
5.2 金字塔池化模块
5.3 损失函数改进
5.4 实验设计与验证
5.4.1 数据增强
5.4.2 实验结果
3.4.1中一致。整体网络结构如图5.7，其中SE-ResNeXt模块如图5.8。
5.5 本章总结
第6 章总结与展望
6.1 工作总结
6.2 限制与展望
参考文献
作者简介及在学期间所取得的科研成果
致 谢
吉林大学;
