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。
深入浅出强化学习：原理入门
郭宪、方勇纯 / 电子工业出版社 / 2018-1 / 79
《深入浅出强化学习：原理入门》用通俗易懂的语言深入浅出地介绍了强化学习的基本原理，覆盖了传统的强化学习基本方法和当前炙手可热的深度强化学习方法。开篇从最基本的马尔科夫决策过程入手，将强化学习问题纳入到严谨的数学框架中，接着阐述了解决此类问题最基本的方法——动态规划方法，并从中总结出解决强化学习问题的基本思路：交互迭代策略评估和策略改善。基于这个思路，分别介绍了基于值函数的强化学习方法和基于直接策略......一起来看看 《深入浅出强化学习：原理入门》 这本书的介绍吧!
