​从CNN到Transformer：基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类

我国高分辨率对地观测系统重大专项已全面启动高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成将成为保障国家安全的基础性和战略性资源。随着小卫星星座的普及对地观测已具备多次以上的全球覆盖能力遥感影像也不断被更深入的应用于矿产勘探、精准农业、城市规划、林业测量、军事目标识别和灾害评估。未来10年全球每天获取的观测数据将超过10PB遥感大数据时代已然来临。另一方面随着无人机自动化能力的逐步升级它被广泛的应用于多种领域如航拍、农业、植保、灾难评估、救援、测绘、电力巡检等。但同时由于无人机飞行高度低、获取目标类型多、以及环境复杂等因素使得对无人机获取的数据处理越来越复杂。面对这些挑战当前基于卷积神经网络的影像自动识别取得了令人印象深刻的结果。深度卷积网络采用“端对端”的特征学习通过多层处理机制揭示隐藏于数据中的非线性特征能够从大量训练集中自动学习全局特征这种特征被称为“学习特征”是其在遥感影像自动目标识别取得成功的重要原因也标志特征模型从手工特征向学习特征转变。同时当前以Transformer等结构为基础模型的检测模型也发展迅速在许多应用场景下甚至超过了原有的以CNN为主的模型。虽然以PyTorch为主体的深度学习平台为使用卷积神经网络也提供程序框架。但卷积神经网络涉及到的数学模型和计算机算法都十分复杂、运行及处理难度很大PyTorch平台的掌握也并不容易。专题一深度卷积网络知识详解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API6.PyTorch图像分类任务讲解7.不同超参数如初始化学习率对结果的影响8.使用PyTorch搭建神经网络并实现手写数字的分类9.使用PyTorch修改模型并提升分类模型表现专题三卷积神经网络实践与目标检测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. 无人机影像的植物识别和统计5. 讲解two-stage二阶检测模型框架RCNN, Fast RCNN, Faster RCNN等框6. 架的演变和差异7. 讲解 one-stage一阶检测模型框架SDD Yolo等系列模型8. 现有检测模型「CNN系列」发展小结包括OHEM、FCN、DCN等模型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-attention2. pytorch实现的自监督模块3. 从Transformer到Vision Transformer (ViT)4. ViT模型在遥感影像中的应用专题六Transformer的遥感影像目标检测任务案例 【DETR】1. Transformer下的新目标检测范式DETR2. 各类模型在遥感影像下的对比和调研3. 一份完整的DETR模型下实现遥感影像的目标检测4. 讲解针对检测任务的优化策略专题七深度学习与遥感影像分割任务1. 深度学习下的遥感影像分割任务的基本概念2. 讲解FCNSegNetU-net等模型的差异3. 分割模型的发展小结4. 遥感影像分割任务和图像分割的差异5. 在遥感影像分割任务中的注意事项案例² 讲解数据集的准备和处理² 遥感影像划分成小图像的策略² 模型的构建和训练方法² 验证集的使用过程中的注意事项专题八深度学习下的ASL机载激光扫描仪点云数据语义分类任务的基本知识1. PointNet与PointNet等模型的基本讲解2. 点云数据的预处理和划分3. 点云数据的语义分割4. 点云数据的预测结果分析专题九遥感影像问题探讨与深度学习优化技巧1. 现有几个优秀模型结构的演变原理包括AlexNetVGGgoogleNetResNetDenseNet等模型2. 从模型演变中讲解实际训练模型的技巧3. 讲解针对数据的优化策略4. 讲解针对模型的优化策略5. 讲解针对训练过程的优化策略6. 讲解针对检测任务的优化策略7. 讲解针对分割任务的优化策略8. 提供一些常用的检测分割数据集的标注工具