露天煤矿区的高分遥感图像多标签分类

目录

声明

致谢

图清单

表清单

1 绪论

1.1 研究背景与意义（Background and Research Significance）

1.2.1 高分遥感图像分类研究进展

1.2.2 基于深度学习的遥感图像分类研究进展

1.2.3 多标签图像分类研究进展

1.3.1 论文研究内容

1.3.2 论文结构安排

1.3.3 技术路线

2 遥感图像多标签分类相关理论基础与实验数据

2.1 多标签分类（Multi-label Classification）

2.1.1 多标签分类常用算法

2.1.2 多标签分类评价指标

2.2 卷积神经网络基本理论（Basic theory of CNNs）

2.2.1 卷积层

2.2.2 池化层

2.2.3 激活函数

2.2.4 全连接层

2.2.5 Softmax分类

2.3 注意力机制（Attentional Mechanism）

2.4.1 UCM 多标签数据集

2.4.2 露天煤矿高分遥感图像多标签数据集

2.5 本章小结（Summary）

3 基于 CNN-RNN 的遥感图像多标签分类

3.1 基于迁移卷积神经网络的图像多标签分类（Multi-labelImage Classification Based on Transfer CNN）

3.2 遥感图像标签相关性分析（Remote Sensing Image Label Correlation Analysis）

3.3 CNN-RNN多标签分类模型（CNN-RNNMulti-labelClassification Model）

3.3.1 特征提取模块

3.3.2 结合注意力机制的RNN 模块

3.4.1 实验设置

3.4.2 实验结果与分析

3.5 本章小结（Summary）

4 基于注意力机制和图卷积网络的遥感图像多标签分类

4.1 模型基本框架（Basic Framework of Network）

4.1.1 特征提取模块

4.1.2 CBAM模块

4.1.3 基于GCN的分类器学习模块

4.2.1 实验区域

4.2.2 实验设置

4.2.3 实验结果与分析

4.3 本章小结（Summary）

5 结论和展望

5.1 结论（Conclusions）

5.2 展望（Perspective）

参考文献

作者简历

学位论文原创性声明

学位论文数据集