基于矢量成果从影像提取中深度学习样本库
大数据之:影像提取中深度学习样本库获取的思考
先简介一下深度学习(机器学习),贴概念的说法,大家自己去百度,我这里继续我的段子手写法:
机器学习的基本原理。就像下面的漫画:你告诉一台电脑,1+1 =2 然后,问它,它回答等于500,你一边丢他老木,一边不停的矫正,告诉它等于2,等于2,经过无数次的矫正,最后电脑终于知道1+1 =2,那么第一阶段目标达成。。。然后你就可以开始教它1+2 =3 了。
不管是啥学习,关键在于学习两个字,从人类获取知识的角度来说,最标准的流程就是:教——学。首先要有老师教,也就是所谓的启蒙,之后再进去引导,最后才是完全的自学。哪怕是在自学中,如果有人正确的提点,那么效果也会比自学好很多倍。
机器学习也是一样,首先要有“教”的过程,这个过程就是人们先设定好很多样本,不断的告诉机器,这个东西是啥,告诉的过程就是所谓的“训练”,比如识别苹果,人们先准备几百张(几千?几万?几十万?)张不同角度,不同颜色、不同表现的苹果的图片,然后用相应的模式提取出表达为苹果的特征,然后这些特征转换成机器能够读懂的数据模型,比如rgb为255,0,0的就是红色,大部分苹果的颜色都是红色——诸如此类的。
然后就可以调用分类算法,把这些特征的阈值都计算出来,做出分类模型,这样启蒙的过程就算完成了。
下面来了一张新的图片,继续把这张图片提取特征,用新提取的特征,去原来训练好的模型里面去验证一下,如果符合某些设定,那么机器就会告诉你,这个图片里面有没有苹果。
接下去,机器判别之后,人类还可以继续介入,肯定机器是正确的,还是错误,然后给定一个评分,就像老师批改家庭作业和测试一样,然后把新的图片再加入到样本集中,修正模型。
如此往复,当时这个模型训练的次数足够多(五年高考,三年模拟)……那么识别的能力也会越难越强。
好吧,写完之后,发现,我们的考试制度,实际上就是为了把人当成机器来培养……题目做得多,就考得更好。(也不知道是人在学习机器,还是机器在学习人……)
通过前面的接受,大家基本上知道机器学习的一个基本原理了,那么现在影像提取中,如何去应用呢?
实际上在很多年前,影像提取就已经有面向对象提取方法以及监督分类方法等,利用了机器学习的基本思想,但是每次去做,只是针对当次处理的信息和结果。
现在遥感解译领域, 最大的一个点,依然是“人工矢量化”。
通过人工对遥感图像进行解读,然后手动矢量化,提取相应的数据:地块、道路等等。这种工作的方式本来无可厚非(自动解译的准确度实在太低了)。但是在我们做人工解译的过程中,确没有留下任何可以复用的成果。
比如有一副影像图,交给内业工作人员,让他们进行道路提取,一般情况下就是工作人员直接在影像图上进行矢量化,把道路的线直接给绘制,生成矢量的line,然后赋予属性,最后结束工作。
第一年这样做,第二年也这样做,第三年、第四年……
做了N年之后,依然没有任何帮助。训练出来了一堆精通矢量化的劳动密集型工作者。
那么为什么我们不换一个思路呢?有这么多老师,为什么不能把他们从画图者转换为训练员呢?如果说在其他领域里面,样本库的获得是最难的,那么恰恰在我们GIS里面,它们是最容易的。
如果说进行人工解译的时候,把所有的特征数据通过提取——标记的方式,制作成样本库,将这些样本库作为机器学习的样本来提供给程序进行训练。这种方法会被人直接跳出来准备用砖头呼在虾神脸上:你说得轻松,矢量化本来就很辛苦了,还给你去做提取标记,这是N倍的工作量好吧!你来开工资么?就算你你开得出工资,项目时间呢?我们争分夺秒的干活,你还在这里不切实际的在幻想……最后总结出一句话:不懂的走开,瞎指挥……
实际人的工作量完全没有增加,也不用重复工作。当绘制出矢量信息之后,把矢量线(或者面)写入属性信息,那么需要做仅仅是利用这些矢量的面(或者线)直接对栅格数据进行一个按掩膜提取就可以了。
如果说从栅格变成矢量,需要人工来处理,那么从矢量回过头来提取栅格,这个过程完成可以利用脚本或者modelbuilder自动化来实现:看下面这个示例:
如下影像数据
矢量化之后:
只需要利用矢量化之后的地块进行掩膜提取即可:
提取结果如下:
草地1:
花田1:
打完收工。
最后做一个简单总结:
1、遥感影像要进行机器学习获取样本,很容易的可以从矢量化结果中来。
2、矢量化将不再是结果,而只是一个中间的过程。
3、GIS的传统工具,在大数据中,依然会变得很有用,正如英国人发明了坦克,而德国人仅仅在使用的手法上做出了一些改变,就改变了整个战争的形态。
4、当我们做的工作越来多,那么我们的样本库就会越来越丰富,那么机器就会越来越聪明……千里之行始于足下,就从基础数据提取开始吧。
基于矢量成果从影像提取中深度学习样本库相关推荐
- 综述:当医学影像遇上深度学习
2019-11-24 17:45:16 作者 | 李翔 来源 | 视说AI(ID:techtalkai) 在传统医疗领域,医院内每日的医学影像数据量巨大,影像科医生做着大量重复性和机械性的工作.每张片 ...
- 基于自动图像分割算法和扩展数据集深度学习的经济作物病害识别
基于自动图像分割算法和扩展数据集深度学习的经济作物病害识别 1.作物病害识别出现的问题 实际应用中作物图像的复杂背景信息和训练数据不足会导致深度学习的错误识别. 2.研究内容 提出了一种基于自动图像分 ...
- 遥感影像深度学习样本制作
交流QQ:3239516597 对于遥感同学,在学习深度学习时,第一步就要解决遥感数据样本的制作,遥感影像数据的样本根据不同的应用也有所不同,不知道的同学可以去看视频:遥感深度学习样本制作视频1 今天 ...
- 基于人脸的常见表情识别(1)——深度学习基础知识
基于人脸的常见表情识别(1)--深度学习基础知识 神经网络 1. 感知机 2. 多层感知机与反向传播 卷积神经网络 1. 全连接神经网络的2大缺陷 2. 卷积神经网络的崛起 卷积神经网络的基本网络层 ...
- RS中深度学习的两类方法:表示学习和匹配函数学习
目录 1 基于表示学习 1.1 无序交互 MLP 自动编码器AE 注意力机制 1.2 序列交互 RNN CNN 注意力机制 1.3 多模态内容 分类属性 用户评论 多媒体内容 1.4 链路图 端到端: ...
- AI大事件 | 谷歌的计算引擎鸟枪换炮用上了更快的GPU,基于Python的亚马逊AWS深度学习AMI
大数据文摘作品 编译 | 宁云州 呜啦啦啦啦啦大家好呀,又到了本周的AI大事件时间了.过去的一周中AI圈都发生了什么?大佬们互撕了哪些问题?研究者们发布了哪些值得一读的论文?又有哪些开源的代码和数据库 ...
- 基于PyTorch、易上手,细粒度图像识别深度学习工具库Hawkeye开源
转载自丨机器之心 鉴于当前领域内尚缺乏该方面的深度学习开源工具库,南京理工大学魏秀参教授团队用时近一年时间,开发.打磨.完成了 Hawkeye--细粒度图像识别深度学习开源工具库,供相关领域研究人员和 ...
- 基于Ubuntu 18.04机器人操作系统环境和深度学习环境配置
基于Ubuntu 18.04机器人操作系统环境和深度学习环境配置详解 CUDA+Cudnn+ROS+anaconda+ubuntu装机必备 笔记本双系统安装 U盘启动项安装ubuntu18.04.1 ...
- 视频教程-遥感影像深度学习样本制作-深度学习
遥感影像深度学习样本制作 遥感专业硕士,拥有3年以上的遥感图像数据处理经验,对遥感.GIS等行业的应用有深刻的认识. 郑新杰 ¥20.00 立即订阅 扫码下载「CSDN程序员学院APP」,1000+技 ...
最新文章
- 垂直网站架构改造 - 怎样成为一个山寨CTO
- 0012-求滑动距离
- C++ Vector用法深入剖析
- git lfs出现This repository is over its data quota
- 【渝粤教育】电大中专学前儿童语言教育 (6)作业 题库
- 别再吼孩子骂孩子了,他们的脑子真的会受伤变形
- 【直通顶会 ICCV2021比赛大揭秘】ICCV2021比赛信息汇总
- C# 保存byte[]到数据库和读取,把byte[]写进文件文件中
- django-装饰器实现PV统计
- Linux创建进程必须fork么,Linux - fork() 创建进程
- python基础二:函数
- 四叶草启动linux黑屏,四叶草剧场黑屏进不去解决方法一览
- 禁止minigui 3.0的屏幕保护
- 如何在Win10上配置JDK1.8
- 如何使用火狐下的两款接口测试工具RESTClient和HttpRequester发送post请求
- SuperMap iDesktopX 数据迁移
- php搜索功能与jquery搜索功能,JavaScript_基于jQuery实现页面搜索功能,jQuery实现页面搜索,搜索筛选 - phpStudy...
- 利用python实现键盘连点器
- html的px和屏幕什么关系,Html字体大小的设置单位PT与PX区别
- TWaver GIS制作穹顶之下的雾霾地图
热门文章
- java 证书查看工具_程序员必备工具 Java证书工具Keytool的使用
- Windows系统截屏有那么多方法,你知道吗?
- 广东 - 011 - 广州沙面|北京路|上下九
- No.026<软考>《(高项)备考大全》【第10章】项目沟通和干系人管理(第2部分-干系人管理)
- Subtext--博客基本配置
- 【推荐系统】深度学习大行其道,个性化推荐如何与时俱进?
- 小学计算机课标教学大纲的依据,中小学教学大纲为何改成课程标准
- creo扫描选择多条链作为轨迹_Proe/Creo创建鸟巢型曲面的实例新手必练
- 用单片机实现USB主机接口
- 3.4多数据系列的柱状图