BigData私房菜

提出背景：大数据时代的到来，通过无人机等手段获取到的摄影测量影像具有传统航测影像不具备的优势和缺点。优势主要是数据量大，获取到的周期短，时效性高。劣势是规范性弱，缺乏严格的航线规划。且大多为非量测型相机拍摄，相对与量测型相机而言，影像的几何质量不高。由于作为传统的摄影测量方法几何控制数据的外业控制点的获取具有复杂性和低效性。本文作者提取将已有的地理信息产品如：DLG,DOM,DEM,DSM作为几何...

本文作者给遥感数据融合的定义是：针对同一场景并具有互补信息的多幅遥感数据或其它观测数据，通过对它们的综合处理、分析与决策，获取更高质量数据、更优化特征、更可靠知识的技术和框架系统。数据融合的三个层级：数据级：数据级融合主要是对传感器原始观测数据或经过预处理的数据进行融合，生成新数据，其主要目的就是为了提升数据的质量，如分辨率、对比度、完整度等指标； 特征级：特征级融合首先对不同数据分...

本文作者将当前表现最好的分类器Residual-101和SSD进行了结合，并为SSD+Residual-101添加了额外的降卷积层以引入大尺度的context用于提高目标检测的精度，尤其是小目标。DSSD又叫做deconvolutional single shot detector。虽然这两种贡献容易在高层上表达，但是简单的配置是不会成功的。相反，作者展示谨慎的添加额外的学习转换阶段，具体是一个在...

小目标因为其分辨率和信息的限制，对其进行检测是比较有挑战性的任务。当下很多对小目标的检测方法都是以牺牲精度作为代价的。作者在SSD中进行了多层特征的融合以引入context信息，特征融合的细节上，作者设计了两种模型，分别是：concatenation module 和 element-sum module，这两种模型的不同点在于引入context信息方式的差异。实验结果显示这两种模型的检测精度都超...

论文及代码地址：http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html) 基于卷积神经网络的影像超分辨率重建摘要： 我们提出了一种基于深度学习的单影像超分辨率重建方法。我们直接以端对端的方式学习高...

学习时间：2018/10/23主要内容：先导内容：Hughes现象：指在高光谱分析中过程中，随着参与运算波段数目的增加，分类精度“先增后降”的现象。与多光谱相比，高光谱图像的一个显著特点就是它的波段数目远远大于多光谱图像，因而可以提供更为丰富的细节信息，可以解决许多在多光谱中不能解决的目标探查和分类问题，但是由于Hughes现象的存在，使得高光谱图像的实际应用受到限制[1]。采用...