诚挚邀请
各企事业单位、高等院校及科研院所：
遥感技术已经广泛应用于农业生产、土地利用、国土资源调查、大气监测、环境灾害监测等各个方面，相对于传统的实地调查，遥感技术能够快速监测大范围区域，节省人力物力。随着多源、高精度遥感数据量的激增，传统的人工判读和半自动化软件解译的方式使其在效率和准确度打上折扣。而采用人工智能和高分辨率遥感可以说是天作之合，基于人工智能算法善于解决海量数据分析问题的特点，能够大幅缩短遥感图像解译周期、提高解译精准度。
为此，特举办“遥感影像人工智能技术及应用培训班”。本次全面而快速地讲解常用的遥感技术及应用，包括遥感数据的下载、数据预处理、地物信息自动解译、定量反演植被覆盖度、温度、干旱情况等信息、以及信息变化监测等任务。帮助学员掌握和利用人工智能算法进行遥感技术具体工作的开展。
本次培训由北京仕而优教育科技集团有限公司具体承办，相关事宜通知如下
培训目标
1.掌握常用的遥感技术结合人工智能算法的发展方向和科研思路。
2.结合实际案例，进行案例讲解和专题讨论，有效的提升学员解决学习和科研问题的能力。
3.遥感结合人工智能算法实现路径及方法。
时间地点
年05月13日—年05月16日远程在线授课
(第一天全天报到[测试电脑]，授课三天)
参会对象
各省市、自治区从事遥感应用的相关人员，以及农业、林业、地质、资源、环境、水文、海洋、气象、大气、城市等行业相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员，及遥感人工智能广大爱好者。
课程体系
一、遥感人工智能应用简述
1.深度学习发展历史
2.相关背景和基础知识介绍
3.结合机器学习和云计算的遥感研究介绍
4.基于深度学习的遥感研究介绍
二、遥感云计算平台、深度学习平台环境配置
1.深度学习相关框架介绍
2.Keras+TensorFlow环境配置简介
3.GEE、Colab云计算环境介绍
4.云计算深度学习环境配置
三、基于云计算的影像分类与特征识别
1.GEE概况介绍
2.GEE数据池数据收集与筛选
3.数据去云预处理以及常见的预处理方式介绍
4.各种分类器的云计算实现方法
5.分类结果验证与导出
案例：基于GoogleEarthEngine的土地覆被分类案例
四、深度学习常用模型介绍以及遥感中应用示例一
1.CNN卷积神经网络基本概念
卷积层（一维卷积、二维卷积）、池化层（均值池化、最大池化）全连接层激活函数层Softmax层
2.像素分割常用模型简介
FCN模型：全卷积神经网络特点
Unet模型：编码-解码结构介绍
Deeplabv3+网络：Xception结构介绍
3.基于python+GDAL的遥感影像读写训练
遥感影像读取遥感影像的存储
遥感影像分块遥感影像的显示与分析
案例：基于Python的遥感影像读取与处理
五、深度学习常用模型介绍以及遥感中应用示例二
1.类Unet模型介绍
2.类Unet模型的实现
3.基于Keras的深度学习训练
4.模型的精度验证
5.模型的应用
案例：U-net以及类U-net模型的实现
六、案例实操
基于深度学习的云污染识别与掩膜提取
基于深度学习的建筑物提取
1.数据获取
2.数据处理
3.结果验证与讨论
七、基于机器学习技术的遥感研究文章撰写思路与未来发展
1.机器学习技术在遥感分类中的应用文章撰写
2.机器学习技术在定量遥感中的应用文章撰写
3.深度学习与遥感技术前沿探讨（Attention机制，多任务学习等）
八、辅助课程
1.疑难解答、分组讨论；
2.关键问题解析；
3.学后交流、
转载请注明：http://www.0431gb208.com/sjsbszl/395.html
