成都理工大学毕业答辩PPT模板.ppt

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12345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、FasterR-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，将ResNet分类网络针对遥感图片的查全率提升到84.42%，查准率提高到78.31%赵丹新等（2018）人改良的ResNet分类网络,检测精度高达89.5%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Yolov3算法，学习Yolo的原理Yolov3算法原理展示研究过程（样本采集）Step1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）Step2分析爬取网站的结构、接口设计爬虫解析网页内容的逻辑。Step3开发爬虫软件设计用户界面Step4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Yolov3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）Step1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Step2将标签整合到一个文件中，减少训练过程中的重复读取Step3将样本放到GPU服务器训练Step4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研究过程（系统验证）爬虫展示系统识别遥感图像中的机场系统识别遥感图像中的港口系统识别遥感图像中的桥梁实验数据?正样本检出正样本未检出负样本检出负样本未检出机场8张7张5张10张港口9张4张4张11张桥梁2张11张0张15张准确率（Accuracy）：正确识别的样本数与样本总数之比查准率（Precision）：正确检索的样本数与被检索到的样本总数之比Accuracy（机场）=（8+10）/30=60%Accuracy（港口）=（9+11）/30=66.6%Accuracy（桥梁）=（2+15）/30=56.6%