神经网络遥感相关论文

PyTorch baseline for AI challenger Scene classification

该数据集包含来自世界各地自然场景的约25k张图像。任务是确定可以将图像分类为哪种场景。 test_WyRytb0.csv train.csv Scene Classification_datasets.txt Scene Classification_datasets.zip

遥感场景分类综述，全英文，Remote Sensing Image Scene Classification: Benchmark and State of the Art

采用新型3D传感器能够便捷地同时获取多场景、多视觉和多目标彩色和深度信息的RGB-D图像，利用其在物体重叠和遮挡下深度信息对颜色和亮度的不变特点，有效提高RGB-D图像分类的精度。对微软Kinect设备的发展及原理做详细介绍；介绍了现有的RGB-D数据集；对现有RGB-D图像特征提取与分类方法进行了归纳、分析和比较；阐述RGB-D图像分类的发展趋势。

场景分类：Kaggle竞赛使用深度学习模型在10个不同场景之间进行分类

基于多尺度稀疏表示的场景分类

用于自然场景分类的空间受限稀疏编码方案

Places365是Places2数据库的最新子集。 Places365有两个版本：Places365-Standard和Places365-Challenge。 Places365-Standard的列车集有来自365个场景类别的约180万张图像，每个类别最多有5000张图像。 我们已经在Places365-Standard上培训了各种基线CNN，并将其发布如下。 与此同时，一系列的Places365-Challenge列车还有620万张图片以及Places365-Standard的所有图片（总共约800万张图片），每个类别最多有40,000张图片。 Places365-Challenge将用于2016年的Places2挑战赛，与2016年ECCV的ILSVRC和COCO联合研讨会一起举行。

在我阅读可能不断更改的课题方向的各种论文中，看了这篇论文Transferring Deep Convolutional Neural Networks for the Scene Classification of High-Resolution Remote Sensing Imagery.pdf ，各类算法比较的好多，认真看了这篇文章，并附上了自己的注释和标记，刚刚接触，理解不深，可能有错误之处，欢迎在评论区批评指正！