●1 緒論
1.1 地表覆蓋分類概述
1.1.1 非監督分類進展
1.1.2 監督分類進展
1.2 深度神經網絡發展現狀
1.2.1 深度神經網絡圖像分類模型發展現狀
1.2.2 深度神經網絡語義分割模型發展現狀
1.2.3 主流深度神經網絡框架
1.3 深度卷積神經網絡在地表覆蓋分類的應用進展
2 神經網絡的基本原理
2.1 人腦神經網絡
2.2 人工神經網絡
2.2.1 從生到人
2.2.2 感知器
2.2.3 模型
2.2.4 多層前饋神經網絡
2.3 深度神經網絡結構
2.4 反向傳播學習
2.4.1 常見梯度下降算法
2.4.2 其他優化的算法
2.4.3 反向傳播算法的過程
2.5 激活函數
2.5.1 Sigmoid繫激活函數
2.5.2 Softplus激活函數
2.5.3 ReLU激活函數
2.5.4 Softmax激活函數
2.5.5 其他激活函數
2.6 損失函數
2.6.1 回歸問題的損失函數
2.6.2 分類問題的損失函數
2.7 超參數
2.7.1 學習率
2.7.2 迭代次數
2.7.3 正則化參數
2.7.4 小批量數據的大小
2.7.5 動量
2.7.6 稀疏
2.8 網絡參數優化
3 卷積神經網絡
3.1 整體結構
3.2 輸入層
3.3 卷積層
3.3.1 卷積運算
3.3.2 填充
3.3.3 卷積步長
3.3.4 特征圖計算
3.3.5 三維卷積的計算
3.3.6 結合長方體考慮
3.3.7 批處理
3.3.8 參數的共享
3.4 池化層
3.4.1 優選值池化
3.4.2 平均值池化
3.4.3 池化的特性
3.5 全連接層
3.6 經典卷積神經網絡
3.6.1 LeNet
3.6.2 AlexNet網絡
3.6.3 VGGNet網絡
3.6.4 NiN網絡
3.6.5 GoogLeNet網絡
3.6.6 ResNet網絡
4 地表覆蓋分類基本原理與方法
4.1 目視解譯
4.1.1 人工目視判讀法
4.1.2 人機互換判斷法
4.2 監督分類
4.2.1 優選似然分類
4.2.2 最小距離法
4.2.3 決策樹分類算法
4.2.4 隨機森林分類算法
4.2.5 支持向量機分類算法
4.3 非監督分類算法
4.3.1 層次聚類
4.3.2 模糊聚類
4.3.3 K均值聚類算法
4.3.4 ISODATA分類算法
4.4 人工神經網絡
4.5 卷積神經網絡
4.5.1 FCN網絡模型
4.5.2 U-Net網絡模型
4.5.3 SegNet網絡模型
4.5.4 PSPNet網絡模型
4.5.5 DeepLab繫列網絡
5 地表覆蓋分類語義分割方法
5.1 卷積層
5.2 池化層
5.3 卷積神經網絡模型的構建
5.4 語義分割編碼-解碼結構
5.5 語義分割特征提取方法
5.5.1 擴張卷積
5.5.2 深度可分離卷積
5.5.3 空間金字塔池化
5.5.4 語義重建方法
5.6 語義分割後處理方法
5.6.1 前向傳播算法
5.6.2 誤差反向傳播算法
5.7 訓練樣本的優化方法
5.7.1 訓練樣本數據的增廣方法
5.7.2 幾何變換數據增廣
5.7.3 像素變換數據增廣
5.7.4 有效增廣數據的篩選
5.8 代價敏感學習
6 地表覆蓋分類卷積神經網絡設計
6.1 LCC-CNN模型構建方法
6.1.1 編碼模塊結構構建方法
6.1.2 解碼模塊與分類方法
6.2 LCC-CNN的訓練與優化方法
6.2.1 隨機梯度下降
6.2.2 隨機失活
6.2.3 批歸一化
6.2.4 參數初始化
6.3 損失函數
6.4 多模型集成的地表覆蓋分類方法
6.4.1 多模型集成體繫
6.4.2 多模型集成算法
6.4.3 多模型集成精度評估
6.5 多時相地表覆蓋分類方法
6.5.1 分類概率修正算法
6.5.2 深度學習修正算法
6.5.3 地表覆蓋分類後處理方法
6.6 地表覆蓋分類的遷移學習方法
6.6.1 地表覆蓋分類遷移學習
6.6.2 卷積神經網絡遷移學習訓練方法
7 地表覆蓋分類方法實踐
7.1 地表覆蓋分類訓練樣本制作
7.1.1 數據源與實驗區域的選取
7.1.2 訓練樣本的制作與精化
7.1.3 實驗與分析
7.2 LCC-CNN分類實驗
7.2.1 LCC-CNN分類精度對比實驗
7.2.2 LCC-CNN地表覆蓋分類實驗
7.3 多模型集成實驗
7.4 地表覆蓋分類效率對比實驗
7.5 時相修正算法分類實驗
7.5.1 實驗數據
7.5.2 時相修正算法分類實驗分析
7.6 遷移學習實驗分析
7.7 LCC-CNN在甘蔗種植面積監測中的應用
7.7.1 LCC-CNN在甘蔗種植面積監測中的訓練過程
7.7.2 LCC-CNN在甘蔗種植面積監測應用中的精度評價與對比分析
7.7.3 LCC-CNN在甘蔗種植面積監測中的應用效果
7.8 LCC-CNN在桉樹種植面積監測中的應用
7.8.1 LCC-CNN在桉樹種植面積監測中的訓練過程
7.8.2 LCC-CNN在桉樹種植面積監測應用中的精度評價與對比分析
7.9 基於神經網絡的地表覆蓋分類建議
參考文獻