1. 毕业设计（论文）主要目标：
随着遥感技术的发展，对高分辨率遥感图像的分类处理成为一个研究热点。
卷积神经网络因其出色的特征提取能力而在图像识别领域取得诸多成功应用。
本文希望通过学习并应用一些经典的卷积神经网络模型，解决遥感图像分类问题，从而提高计算机在实现遥感图像自动处理过程中的分类精度，也为深度神经网络在其他领域进行图像识别提供思路。
2. 毕业设计（论文）主要内容：
1.对计算机视觉与深度学习的发展做出简单回顾，介绍相关理论背景，包括卷积神经网络的原理、经典的卷积神经网络模型结构、以及在面对训练样本不充分时的解决方案——迁移学习。
2.使用遥感数据集UC Merced Land-Use Data Set进行实例分析，这是一个含有21类不同地表，每类有100张图片的遥感图像数据集。
在Caffe框架的支持下尝试将几种经典的卷积神经网络迁移至现有的遥感数据集上进行训练并微调，实现分类。
3. 主要参考文献
[1] PAN S, YANG Q. A survey on transfer learning[J].IEEE Transactions on Knowledge and Data Engineering,2010,22(10):1345-1359.[2] Castelluccio M, Poggi G, Sansone C, et al. Land use classification in remote sensing images by convolutional neural networks[EB/OL].https://arxiv.org/pdf/1508.0002.[3] Marmanis D, Datcu M, et al. Deep Learning Earth Observation Classification Using ImageNet Pretrained Networks[J].IEEE Geoscience and Remote Sensing Letters,2016,13(1):105-109[4]李彦冬,郝宗波,雷航.卷积神经网络研究综述[J].计算机应用,2016,36(09):2508-2515 2565.[5]李德仁,童庆禧,李荣兴,龚健雅,张良培.高分辨率对地观测的若干前沿科学问题[J].中国科学:地球科学,2012,42(06):805-813.[6]殷文斌. 卷积神经网络在遥感目标识别中的应用研究[D].中国科学院大学(中国科学院遥感与数字地球研究所),2017.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
