成都理工大学毕业答辩PPT.ppt

成都理工大学毕业答辩PPT模板遥感图片识别系统研究
导 师: 版权方要求不公开
答辩人: 苏语稻香
专 业: 测控技术与仪器
目录
课题背景及内容
文献综述
研究思路及过程
实验数据
结论
1
2
3
4
5
课题背景
遥感识别技术
国产卫星系统完善
遥感图像数量增多
人工智能技术发展成熟
可改善传统遥感识别技术
运用于军事领域
要求遥感识别技术“快”、“准”
应用于地理研究领域
需要处理的遥感图像数量庞大
应用于经济分析领域
要求识别结果精准
新
需
求
新
要
求
课题内容
遥感识别技术
改良
采集图像
标注样本
遥感图像识别系统
机场
桥梁
港口
训练
二者结合，搭建
检测遥感图像，并识别
文献综述
20世纪
80年代
20世纪
90年代
20世纪
70年代
21世纪
2012年
2020年
计算机图像处理技术用于遥感识别
缺点：效率低、不精准
统计原理、数学方法用于遥感识别
缺点：有误判
地理信息系统用于辅助遥感识别
人工智能技术飞速发展，国外出现Torch、TensorFlow等机器学习框架；R-CNN、Faster R-CNN等目标及检测算法。
1998年LeNet的出现标志着卷积网络(CNN)的开端
国外
AlexNet在首次运用于图像目标检测，在ImageNet大赛夺冠
2014年VGG-Net出现
2015年VGG-Net出现
Yolo目标检测算法出现
2016年SSD目标检测算法出现
2018年Yolo算法改进到第三版本
国内
朱廷贺（2018）通过加入对抗样本训练，%，%
赵丹新等（2018）人改良的ResNet分类网络,%
浙江大华公司开发的遥感识别系统，在全球标准化遥感影像目标检测数据集DOTA上夺冠。
研究思路
系统结构制定
技术选择
确定
要求
系统要求:1、能够识别遥感图像中的机场、港口、桥梁。2、查准率（Precision）不低于30%，准确率（Accuracy）不低于60%。3、爬取100张图像，爬虫用时小于30秒、成功率不低于80%。
系统框架
基于文献进行理论研究
系统开发实践
系统测试，实验验证，参数测定
结论
技术选择要求 : 主流技术、运行环境部署简单、体积小、技术文档丰富
研究过程（原理学习）
Step1：对系统机器学习后端框架进行选择，选定TensorFlow+Keras的架构，学习TensorFlow的原理
Step2：选择目标检测算法，确定使用Yolo v3算法，学习Yolo的原理
Yolo v3算法原理展示
研究过程（样本采集）
Step 1
确定图像采集的需求
选择爬取的网站：百度图片、搜狗图片
（优势：免费，稳定、图像多）
Step 2
分析爬取网站的结构、接口
设计爬虫解析网页内容的逻辑。
Step 3
开发爬虫软件
设计用户界面
Step 4
调试软件的功能
爬取图像
爬虫界面展示
研究过程（系统开发）
Step1：安装TensorFlow、Keras框架
Step2：下载Yolo v3目标检测算法
Step3：修改Yolo 目标检测算法，适配训练和目标识别模块
Step4：开发训练模块，设计两次训练，第一次训练较少的权重，获得较稳定的损失函数，再训练全部权重。
Step5：开发目标检测模块，主要用于处理传入的原始图像、将检测结果可视化。
研究过程（系统训练）
Step 1
使用LabelImg软件，框选遥感图像样本中的桥梁、机场、港口生成对应的标签文件
Step 2
将标签整合到一个文件中，减少训练过程中的重复读取
Step 3
将样本放到GPU服务器训练
Step 4
观察到损失函数收敛，训练有效
生成模型文件
训练日志展示
损失函数：预测结果与真实结构之间的差别。
模型文件：包含检测对象特征权重的检测模型