内容简介：图片是一张扫描件，3波段图像。我们的任务是定位/计数一个特定的符号。目标符号的颜色和地图上的许多其他特征类似，所以我们不能仅仅依靠光谱（RGB值）来处理。要寻找的符号
1 概述
图片是一张扫描件，3波段图像。我们的任务是定位/计数一个特定的符号。目标符号的颜色和地图上的许多其他特征类似，所以我们不能仅仅依靠光谱（RGB值）来处理。
要寻找的符号
我们需要训练一个深度学习模型，然后进行目标提取。
2 选择训练样本
首先从原图裁剪出一小块图像作用样本选择和模型训练的输入图像。然后选择训练样本，俗称打标签。在ENVI中可以方便的利用ROI工具打标签。如下图所示，利用点和多段线类型的ROI进行目标区域绘制。
如下图是选择的部分样本ROI
3 输出标签栅格
工具为： /Deep Learning/Build Label Raster from ROI
4 初始化模型
需要设置切片大小、波段数。ENVI深度学习的优势在于可以处理多波段图像（多于3波段）。
5 训练模型
深度学习训练过程就是一个调参的过程。
6 目标提取
/Deep Learning/TensorFlow Mask Classification
7 结果查看与后处理
输出结果为一张灰度图，DN值代表了该像素属于目标的概率。利用ENVI密度分割 工具 可以快去提取目标，如下为栅格结果：
可以将其转换为矢量结果
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 深度学习+符号智能，技术硬核「深度好奇」正在将新技术范式商业化
- Marcus再怼深度学习：不和符号计算相结合，可能无法进步！
- MIT等提出NS-VQA：结合深度学习与符号推理的视觉问答
- 结合符号主义和深度学习，DeepMind提出新型端到端神经网络架构 PrediNet
- macos – dyld：惰性符号绑定失败：未找到符号：_PQsetErrorContextVisibility
- 嵌入式C语言自我修养 09：链接过程中的强符号和弱符号
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
架构真经
马丁L. 阿伯特（Martin L. Abbott）、迈克尔T.费舍尔（Michael T. Fisher） / 机械工业出版社 / 2017-4 / 79
前言 感谢你对本书第2版感兴趣！作为一本入门、进修和轻量级的参考手册，本书旨在帮助工程师、架构师和管理者研发及维护可扩展的互联网产品。本书给出了一系列规则，每个规则围绕着不同的主题展开讨论。大部分的规则聚焦在技术上，少数规则涉及一些关键的思维或流程问题，每个规则对构建可扩展的产品都是至关重要的。这些规则在深度和焦点上都有所不同。有些规则是高级的，例如定义一个可以应用于几乎任何可扩展性问题的模......一起来看看 《架构真经》 这本书的介绍吧!
