地表覆盖神经网络分类理论与方法

1绪论1．1地表覆盖分类概述1．1．1非监督分类进展1．1．2监督分类进展1．2深度神经网络发展现状1．2．1深度神经网络图像分类模型发展现状1．2．2深度神经网络语义分割模型发展现状1．2．3主流深度神经网络框架1．3深度卷积神经网络在地表覆盖分类的应用进展2神经网络的基本原理2．1人脑神经网络2．2人工神经网络2．2．1从生物神经元到人工神经元2．2．2感知器2．2．3神经元模型2．2．4多层前馈神经网络2．3深度神经网络结构2．4反向传播学习2．4．1常见梯度下降算法2．4．2其他优化的算法2．4．3反向传播算法的过程2．5激活函数2．5．1Sigmoid系激活函数2．5．2Softplus激活函数2．5．3ReLU激活函数2．5．4Softmax激活函数2．5．5其他激活函数2．6损失函数2．6．1回归问题的损失函数2．6．2分类问题的损失函数2．7超参数2．7．1学习率2．7．2迭代次数2．7．3正则化参数2．7．4小批量数据的大小2．7．5动量2．7．6稀疏2．8网络参数优化3卷积神经网络3．1整体结构3．2输入层3．3卷积层3．3．1卷积运算3．3．2填充3．3．3卷积步长3．3．4特征图计算3．3．5三维卷积的计算3．3．6结合长方体考虑3．3．7批处理3．3．8参数的共享3．4池化层3．4．1优选值池化3．4．2平均值池化3．4．3池化的特性3．5全连接层3．6经典卷积神经网络3．6．1LeNet3．6．2AlexNet网络3．6．3VGGNet网络3．6．4NiN网络3．6．5GoogLeNet网络3．6．6ResNet网络4地表覆盖分类基本原理与方法4．1目视解译4．1．1人工目视判读法4．1．2人机互换判断法4．2监督分类4．2．1优选似然分类4．2．2最小距离法4．2．3决策树分类算法4．2．4随机森林分类算法4．2．5支持向量机分类算法4．3非监督分类算法4．3．1层次聚类4．3．2模糊聚类4．3．3K均值聚类算法4．3．4ISODATA分类算法4．4人工神经网络4．5卷积神经网络4．5．1FCN网络模型4．5．2U-Net网络模型4．5．3SegNet网络模型4．5．4PSPNet网络模型4．5．5DeepLab系列网络5地表覆盖分类语义分割方法5．1卷积层5．2池化层5．3卷积神经网络模型的构建5．4语义分割编码-解码结构5．5语义分