不是目标检测也不是语义分割,两步CNN指的是,采集的数据是一堆点,以点为中心的65*65和17*17图像范围大小来判断这个点是否是油棕树。第一步就是判断65*65的范围是否为(油棕树植被群,其他植被/空地,不透水面/云),第二步判断17*17的范围是否为(油棕树,背景,其他植被/空地,不透水面/云)。两步结果都是油棕树的话就认为这个点是油棕树。
预测时对整幅影像滑动窗口,有重叠,再对最后的点结果最小距离分析,融合对同一棵树的多个预测点。
训练数据17000个点,验证数据3000个点。
最后比较了不同CNN模型(AlexNet,LeNet,VGG19)和不同机器学习方法(RF,SVM,ANN)的组合,证明了本方法的优越性。
----------------
坚持每天学习一点点