基于深度学习

基于深度学习Tag内容描述：<p>1、基于深度学习与高光谱数据的人造目标检测1. 摘要高光谱遥感，基于其内在能力来捕捉描述材料的光谱信息，对于目标检测与识别有独特的能力。在这篇文章中，我们使用深度学习分类框架与高光谱数据处理了人造目标检测问题。通过对卷积神经网络的有效探索，我们编码像素的光谱信息和空间信息，使用多层感知机完成分类任务。在广泛使用的高光谱数据中获得的实验结果和性能定量验证，证明了提出的方法对于正确率和人造目标自动检测。的良好性能。2. 简介自动提取人造目标，比如建筑、建筑群或者马路，是一些政府活动的重要支持，比如城市计划、地。</p><p>2、基于深度学习与高光谱数据的人造目标检测# 摘要高光谱遥感，基于其内在能力来捕捉描述材料的光谱信息，对于目标检测与识别有独特的能力。在这篇文章中，我们使用深度学习分类框架与高光谱数据处理了人造目标检测问题。通过对卷积神经网络的有效探索，我们编码像素的光谱信息和空间信息，使用多层感知机完成分类任务。在广泛使用的高光谱数据中获得的实验结果和性能定量验证，证明了提出的方法对于正确率和人造目标自动检测。的良好性能。# 简介自动提取人造目标，比如建筑、建筑群或者马路，是一些政府活动的重要支持，比如城市计划、地籍。</p><p>3、毕业设计论文摘要与普通图像相比，高光谱图像处理面临的两个主要问题是：一是光谱分辨率高、光谱曲线近乎连续、数据量大、数据冗余严重、谱间相关性强；另一是空间分辨率有限、存在大量混合像元，“Hughes”现象凸现。“特征学习”从原始的像素出发通过特定的神经网络结构自动发现图像中隐藏的模式以学习出有效特征，近年来获得空前的发展，成为国际上信号处理模式识别等领域的研究热点。深度学习是一种多层的神经网络结构，是自 2012 年来机器学习领域非常热的一个研究方向，它能够从原始的像素出发通过多层结构自动学习有效特征并在输出。</p><p>4、精品文档 基于深度学习的车辆型号识别 摘 要 随着智能交通的发展 车辆型号的识别受到越来越广泛的关注 它能够为个人 企业和政府的车辆使用以及监管提供诸多遍历 因而 如何设计高效算法 对车辆型号进行识别和分类 受到了学术界和工业界的广泛关注 本文主要如何利用深度学习的方法进行车辆型号的识别和分类 首先 介绍了车型识别的应用背景和深度学习的基本理论 之后 为了进行目标识别 我们介绍了常用算法 分析比较。</p>