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。