# CNN_UCMerced-LandUse_Caffe(数据:http://vision.ucmerced.edu/datasets/landuse.html) 主要任务:基于深度学习框架完成对光学遥感图像UCMerced LandUse数据集的分类。 数据特点:共包含21类土地类型图片,每类100张,每张像素大小为256*256,数据类内距离大,类间小。 完成情况:数据量太小,训练数据出现过拟合;为了克服这个问题,又减小训练时间,采用caffe框架,在别人训练好的bvlc_reference_caffenwt模型上进行fine-tune,对最后一层设置较大的学习速率,结果取得了93%的正确率;在这基础上又在fc7层上提取了每张图片的4096维特征,进行了SVM分类,取得了95%以上的分类正确率,并对结果做了可视化分析。 环境:ubuntu14.04 + caffe + python(数据划分和增强在用windows10的3.5,其余都是unbuntu下用的2.7) 程序(相关路径需要修改)/步骤: multi_divide_pic.py---多进程进行数据划分(cv2没装成功,建议用cv2,方便) multi_augmentation_pic.py---多进程数据增强 make_caffe_lmdb.py---生成caffe训练需要的数据路径文件,然后修改caffe配置文件 bvlc_reference_caffenet.caffemodel---caffe模型,在上面进行finetune(http://dl.caffe.berkeleyvision.org/?from=message&isappinstalled=1) binaryproto2npy.py---将caffe生成的均值文件转换成.npy格式 cnn_vision_caffe.py---对训练好的模型进行可视化分析 extract_features.py---获取每张图片在fc7层输出的4096维特征 svm_predict.py---使用svm对上述提取的特征进行训练预测 svm_vision.py---对svm模型进行可视化分析 tsne.py---对数据进行降维可视化









































- 1
- 2
- 3
- 4
- 5
- 6
- 7
















- 粉丝: 6
- 资源: 18

我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
已下载
下载帮助

遥感图像数据集UCMerced_LandUse
UCMerced_LandUse.zip
UC Merced_ LandUse数据集
OnCourse:Android应用程序可为学生提供个性化的班级推荐。 2015年UCMerced移动应用挑战赛参赛作品
matlab霍夫变换函数代码-maps_hough:ros实施UCMerced的Robotics的“通过Hough变换合并地图”
蜂群SVM(ABC-SVM)遗传算法SVM(GA-SVM)粒子群SVM(PSO-SVM)公共数据集,UCMerced图像数据集 词袋模型
UCMerced_R:这是2020年10月在UCMerced进行R课程培训的资料库
人工智能入门:UC Merced的AI入门课程的课程工作
merced-express:带有Ruby效果的快速模板!
uc_merced_256_256_3.zip
