基于机器学习的遥感图像识别算法(kNN/SVM/CNN/LSTM)(完整代码+数据集)
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |
随着遥感卫星成像技术的提升和机器学习的蓬勃发展,越来越多的研究人员利用机器学习的方法来进行遥感图像识别,取得了很好的效果。在本次作业中,我将利用四种机器学习算法在 WHU-RS19 数据集上进行遥感图像识别的尝试,这其中既包括传统的 kNN 和 SVM,也包括近年来得到青睐的 CNN 和 LSTM 算法。本文的基本结构如下:
- 数据集
- WHU-RS19 的简单介绍
- 数据集的预处理与索引文档的生成
- kNN
- kNN 的测试效果
- 分析参数 k 对 kNN 的测试效果的影响
- SVM
- SVM 的测试效果
- 分析学习率和正则化参数对 SVM 的测试效果的影响
- SVM 权值矩阵的可视化
- CNN
- CNN 的测试效果
- 不同网络结构对 CNN 的测试结果的影响
- LSTM
- LSTM 的测试效果
- 分析学习率和 dropout 值对 LSTM 的测试效果的影响
- 总结
数据集
WHU-RS19 的简单介绍
本次遥感图像识别算法采用的数据集是武汉大学提供的 WHU-RS19 数据集,该数据集包含了机场,海滩,桥,商业区,沙漠,农田,足球场,森林,工业区,草地,山,公园,停车场, 池塘, 港口, 火车站, 住宅区, 河流和高架桥总共 19 类遥感图像。图像的分辨率大都为 600×600&#