Exploiting ConvNet Diversity for Flooding Identification
摘要:语义分割洪水区域。 空洞卷积和反卷积组合,结果再用svm学习如何组合,能获得更好的效果。 直接对不同网络的结果进行投票会得到更差的结果。 消融研究(Ablation Study):类似控制变量法,就对那些可能影响网络精度的参数进行不同组合,从而得到最好的设计
阅读全文
Missing Data Reconstruction in Remote Sensing Image With a Unified Spatial–Temporal–Spectral Deep Convolutional Neural Network(缺失数据补全,时空谱网络)
摘要:摘要 文章针对修复坏波段(AQUA B6),恢复条带损失,恢复云污染提出了一个深度学习网络结构,他说 To date, to the best of our knowledge, no studies investigating CNNs for the reconstruction of miss
阅读全文
Reconstructing Cloud-Contaminated Multispectral Images With Contextualized Autoencoder Neural Networks(自编码机重建云污染区)
摘要:1、逐像元输入输出与邻域输入输出,邻域处理是先flatten,再unflatten 2、用MDL方法(最小描述长度)寻找自编码机最佳隐藏层数 3、多目标优化方法寻找MDL方法的超参数,平衡MDL方法两项的差距 补充学习: 1、Autoencoder(自编码机): 深度学习中的一种非监督学习,他去学习
阅读全文
跑深度学习网络遇到的一些错误总结
摘要:1、做二分类时用 sigmoid 激活函数,模型输出的通道数要是1维的,同时损失函数用 binary_crossentropy 2、做二分类时用 softmax 激活函数,模型输出的通道数要是类别数目,同时损失函数用 categorical_crossentropy 3、模型里激活函数是默认参数时,
阅读全文