成都理工大学毕业答辩PPT模板

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
港口
9张
4张
4张
桥梁
2张
11张
0张
10张 11张 15张
每个对象有15个正样本，15个负样本
Accuracy（机场）= （8+10）/30 = 60% Precision（机场）= 8/（8+10）= 44.4%
Accuracy（港口）= （9+11）/30 = 66.6% Precision（港口）= 9/（9+11）= 45%
Yolo v3算法 原理展示
研究过程（样本采集）
Step 1
确定图图像多）
爬虫界面展示
Step 2
Step 3
分析爬取网站 的结构、接口
开发爬虫软件
设计爬虫解析 网页内容的逻 辑。
设计用户界面
Step 4
调试软件的功 能
爬取图像
国
的查全率提升到
检测精度高达
集DOTA上夺冠。
内
84.42%，查准率
89.5%
提高到78.31%
研究思路
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
确定 系统结 要求 构制定
技术选择
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%。
遥感识别技术
人工智能技术发展成熟 可改善传统遥感识别技术
求求 需 要
应用于经济分析领域 要求识别结果精准
课题内容
改良
遥感识别技术
二者结合，搭建
采集图像 标注样本
训练
遥感图像识别系统
检测遥感图像，并识别
机场
桥梁
港口
文献综述
统计原理、数 学方法用于遥 感识别 缺点：有误判
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、Faster RCNN等目标及检测算法。
练
结果与真实结构
日
之间的差别。
志 展
模型文件：包含 检测对象特征权
示
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
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
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
系 统 框 架
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 Yolo v3算法，学习Yolo的原理
研究过程（系统开发）
Step1：安装TensorFlow、Keras框架
Step2：下载Yolo v3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（
Step 3
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
将标签整合到 一个文件中， 减少训练过程 中的重复读取
将样本放到 GPU服务器训 练
Step 4
观察到损失函 数收敛，训练 有效 生成模型文件
训
损失函数：预测
优点 用机器学习技术，提升了遥感识别的效率；纯软件实现的系统、成本 低廉，更加易用，适合在民用领域大范围推广
不足之处 系统的检测精度还有待提高；系统对低分辨的小图片，检测结果不佳 ；识别桥梁的性能不佳
1998年LeNet的出 现标志着卷积网络 (CNN)的开端
2014年VGGNet出现
AlexNet在首次运 用于图像目标检测 ，在ImageNet大赛 夺冠
2015年VGGNet出现 Yolo目标检 测算法出现
2016年SSD 目标检测算 法出现
国 外
2018年Yolo 算法改进到 第三版本
20世纪 70年代
Accuracy（桥梁）= （2+15）/30=56.6% Precision（桥梁）= 2/（2+15）= 11.8%
遥感识别系统对遥感图像的平均检测准确率 遥感识别系统对遥感图像的平均查准率为
为61.06%
33.77%
高于本设计要求的60%的技术指标
高于本设计要求的30%的技术指标
结论
本文设计了基于TensorFlow和Yolo v3目标检测算法的遥感识别系 统，实现了对遥感图像中桥梁、港口、机场三个对象的检测，平 均准确率达到61.06%，查准率达到 33.77%
20世纪 80年代
20世纪 90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
地理信息系统 用于辅助遥感 识别
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
赵丹新等（2018 ）人改良的 ResNet分类网络,
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
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
1 课题背景及内容 2 文献综述 3 研究思路及过程 4 实验数据 5 结论
课题背景
国产卫星系统完善 遥感图像数量增多
运用于军事领域 要求遥感识别技术 “快”、“准”
新新
应用于地理研究领域 需要处理的遥感图像数 量庞大