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。