-
Notifications
You must be signed in to change notification settings - Fork 2
/
index.html
1668 lines (1089 loc) · 171 KB
/
index.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
<!DOCTYPE html>
<html>
<head><meta name="generator" content="Hexo 3.9.0">
<meta charset="utf-8">
<meta name="renderer" content="webkit">
<meta http-equiv="X-UA-Compatible" content="IE=edge">
<link rel="dns-prefetch" href="https://www.whu-cveo.com">
<title>武汉大学CVEO小组(张晓东教授团队)</title>
<meta name="viewport" content="width=device-width, initial-scale=1, maximum-scale=1">
<meta name="description" content="武汉大学CVEO（Computer Vision Earth Observation）小组由武汉大学测绘遥感信息工程国家重点实验室张晓东教授领衔，成员包括1名博士后，5名博士研究生和2名硕士研究生。成立至今，CVEO小组参与和主持了一系列省、部级科研项目，还与行业相关企、事业单位开展了一系列横向科研项目合作，取得了良好的社会经济效益。目前CVEO小组主要研究方向包括：遥感影像数据处理、遥感影像深度">
<meta name="keywords" content="武汉大学 CVEO 遥感 测绘遥感信息工程国家重点实验室">
<meta property="og:type" content="website">
<meta property="og:title" content="武汉大学CVEO小组(张晓东教授团队)">
<meta property="og:url" content="https://www.whu-cveo.com/index.html">
<meta property="og:site_name" content="武汉大学CVEO小组(张晓东教授团队)">
<meta property="og:description" content="武汉大学CVEO（Computer Vision Earth Observation）小组由武汉大学测绘遥感信息工程国家重点实验室张晓东教授领衔，成员包括1名博士后，5名博士研究生和2名硕士研究生。成立至今，CVEO小组参与和主持了一系列省、部级科研项目，还与行业相关企、事业单位开展了一系列横向科研项目合作，取得了良好的社会经济效益。目前CVEO小组主要研究方向包括：遥感影像数据处理、遥感影像深度">
<meta property="og:locale" content="zh-CN">
<meta name="twitter:card" content="summary">
<meta name="twitter:title" content="武汉大学CVEO小组(张晓东教授团队)">
<meta name="twitter:description" content="武汉大学CVEO（Computer Vision Earth Observation）小组由武汉大学测绘遥感信息工程国家重点实验室张晓东教授领衔，成员包括1名博士后，5名博士研究生和2名硕士研究生。成立至今，CVEO小组参与和主持了一系列省、部级科研项目，还与行业相关企、事业单位开展了一系列横向科研项目合作，取得了良好的社会经济效益。目前CVEO小组主要研究方向包括：遥感影像数据处理、遥感影像深度">
<link rel="alternative" href="/atom.xml" title="武汉大学CVEO小组(张晓东教授团队)" type="application/atom+xml">
<link rel="icon" href="/assets/cveo.png">
<link rel="stylesheet" type="text/css" href="/./main.0cf68a.css">
<style type="text/css">
#container.show {
background: #4e4e4e;
}
</style>
</head>
</html>
<body>
<div id="container" q-class="show:isCtnShow">
<canvas id="anm-canvas" class="anm-canvas"></canvas>
<div class="left-col" q-class="show:isShow">
<div class="overlay" style="background: #4d4d4d"></div>
<div class="intrude-less">
<header id="header" class="inner">
<a href="/" class="profilepic">
<img src="/assets/cveo.png" class="js-avatar">
</a>
<hgroup>
<h1 class="header-author"><a href="/">张晓东课题组</a></h1>
</hgroup>
<p class="header-subtitle">武汉大学CVEO小组</p>
<nav class="header-menu">
<ul>
<li><a href="/">首页</a></li>
<li><a href="/archives">文档</a></li>
<li><a href="/researchs">科研</a></li>
<li><a href="/products">成果</a></li>
<li><a href="/members">成员</a></li>
</ul>
</nav>
<nav class="header-smart-menu">
<a q-on="click: openSlider(e, 'innerArchive')" href="javascript:void(0)">所有文章</a>
<a q-on="click: openSlider(e, 'friends')" href="javascript:void(0)">友情链接</a>
<a q-on="click: openSlider(e, 'aboutme')" href="javascript:void(0)">关于我</a>
</nav>
<nav class="header-nav">
<div class="social">
<a class="github" target="_blank" href="https://github.com/cveo" title="github"><i class="icon-github"></i></a>
<a class="weixin" target="_blank" href="https://mp.weixin.qq.com/s/-MSFk63IcsD-N9jS4wakag" title="weixin"><i class="icon-weixin"></i></a>
<a class="mail" target="_blank" href="mailto:zxdlmars@whu.edu.cn" title="mail"><i class="icon-mail"></i></a>
</div>
</nav>
</header>
</div>
</div>
<div class="mid-col" q-class="show:isShow,hide:isShow|isFalse">
<nav id="mobile-nav">
<div class="overlay js-overlay" style="background: #4d4d4d"></div>
<div class="btnctn js-mobile-btnctn">
<div class="slider-trigger list" q-on="click: openSlider(e)"><i class="icon icon-sort"></i></div>
</div>
<div class="intrude-less">
<header id="header" class="inner">
<div class="profilepic">
<img src="/assets/cveo.png" class="js-avatar">
</div>
<hgroup>
<h1 class="header-author js-header-author">张晓东课题组</h1>
</hgroup>
<p class="header-subtitle"><i class="icon icon-quo-left"></i>武汉大学CVEO小组<i class="icon icon-quo-right"></i></p>
<nav class="header-nav">
<div class="social">
<a class="github" target="_blank" href="https://github.com/cveo" title="github"><i class="icon-github"></i></a>
<a class="weixin" target="_blank" href="https://mp.weixin.qq.com/s/-MSFk63IcsD-N9jS4wakag" title="weixin"><i class="icon-weixin"></i></a>
<a class="mail" target="_blank" href="mailto:zxdlmars@whu.edu.cn" title="mail"><i class="icon-mail"></i></a>
</div>
</nav>
<nav class="header-menu js-header-menu">
<ul style="width: 70%">
<li style="width: 20%"><a href="/">首页</a></li>
<li style="width: 20%"><a href="/archives">文档</a></li>
<li style="width: 20%"><a href="/researchs">科研</a></li>
<li style="width: 20%"><a href="/products">成果</a></li>
<li style="width: 20%"><a href="/members">成员</a></li>
</ul>
</nav>
</header>
</div>
<div class="mobile-mask" style="display:none" q-show="isShow"></div>
</nav>
<div id="wrapper" class="body-wrap">
<div class="menu-l">
<div class="canvas-wrap">
<canvas data-colors="#eaeaea" data-sectionHeight="100" data-contentId="js-content" id="myCanvas1" class="anm-canvas"></canvas>
</div>
<div id="js-content" class="content-ll">
<article id="post-introduction" class="article article-type-post article-index" itemscope itemprop="blogPost">
<div class="article-inner">
<header class="article-header">
<h1 itemprop="name">
<a class="article-title" href="/2019/10/28/introduction/">CVEO小组简介</a>
</h1>
<a href="/2019/10/28/introduction/" class="archive-article-date">
<time datetime="2019-10-28T13:31:58.000Z" itemprop="datePublished"><i class="icon-calendar icon"></i>2019-10-28</time>
</a>
</header>
<div class="article-entry" itemprop="articleBody">
<p>武汉大学<code>CVEO</code>（Computer Vision for Earth Observation team）小组由武汉大学测绘遥感信息工程国家重点实验室张晓东教授（<a href="members/zhangxiaodong">简历</a>）领衔，成员包括1名讲师，1名博士后，5名博士研究生，6名硕士研究生和1名本科生。自成立至今，<code>CVEO</code>小组参与和主持了一系列省、部级科研项目，包括“973”计划、“863”子课题、国家科技部项目、国家科技支撑项目、国家自然科学基金项目、湖北省自然科学基金项目、广东省自然科学基金项目、中国博士后科学基金项目、卫星海洋环境动力学国家重点实验室开发基金项目、武汉大学自主科研项目等。此外，<code>CVEO</code>小组还与行业相关企、事业单位（广东电网、北京灵图、安徽省电力设计院、武汉市科技局、国家海洋局、南京市规划局、汕头市测绘研究院、安徽省第四测绘院、湖北省民政厅、湖北省国土测绘院、福建省地质测绘院、汕头市自然资源测绘院、国家测绘地理信息局卫星测绘应用中心、中冶武勘、航天恒星、中科星图等）开展了一系列纵向、国防、社会服务项目合作。目前<code>CVEO</code>小组主要理论研究方向包括： </p>
<img src="/2019/10/28/introduction/研究方向.png">
<hr>
<h2><span id="研究内容及成果简介">研究内容及成果简介</span></h2><p>CVEO小组研究内容PDF（<a href="https://cdn.jsdelivr.net/gh/cveo/CVEO.github.io/assets/CVEO%E5%B0%8F%E7%BB%84%E7%AE%80%E4%BB%8B.pdf" target="_blank" rel="noopener">镜像加速</a> <a href="/assets/CVEO小组简介.pdf">原版地址</a>）</p>
<hr>
<h2><span id="招生与招聘">招生与招聘</span></h2><a href="/2021/03/24/hire/" title="武汉大学CVEO小组招募（长期有效）">武汉大学CVEO小组招募（长期有效）</a>
<hr>
<h2><span id="联系方式">联系方式</span></h2><blockquote>
<ul>
<li>E－mail：zxdlmars#whu.edu.cn，cgz#whu.edu.cn（#替换成@）</li>
<li>电话：027-68778033</li>
<li>“珞珈经纬”微信公众号：<a href="https://mp.weixin.qq.com/s/-MSFk63IcsD-N9jS4wakag" target="_blank" rel="noopener">珞珈经纬</a>或点击页面中“微信”标志，“珞珈经纬”微信公众号，获取更多测绘遥感地理信息前沿动态</li>
<li>“珞瑜129”微信公众号：<a href="https://mp.weixin.qq.com/s/Etf3-6sR1qYPzcDxyZ962Q" target="_blank" rel="noopener">珞瑜129</a></li>
<li>地址：湖北省武汉市洪山区珞喻路129号<iframe src="/map.html" frameborder="0" height="500px" width="100%" scrolling="no"></iframe></li>
</ul>
</blockquote>
</div>
<div class="article-info article-info-index">
<div class="article-pop-out tagcloud">
<i class="icon-tuding"></i>
<a class="article-tag-list-link color3">置顶</a>
</div>
<div class="article-tag tagcloud">
<i class="icon-price-tags icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">武汉大学</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">CVEO</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">张晓东</a>
</li>
</ul>
</div>
<div class="article-category tagcloud">
<i class="icon-book icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="/categories/小组简介//" class="article-tag-list-link color5">小组简介</a>
</li>
</ul>
</div>
<p class="article-more-link">
<a class="article-more-a" href="/2019/10/28/introduction/">展开全文 >></a>
</p>
<div class="clearfix"></div>
</div>
</div>
</article>
<aside class="wrap-side-operation">
<div class="mod-side-operation">
<div class="jump-container" id="js-jump-container" style="display:none;">
<a href="javascript:void(0)" class="mod-side-operation__jump-to-top">
<i class="icon-font icon-back"></i>
</a>
<div id="js-jump-plan-container" class="jump-plan-container" style="top: -11px;">
<i class="icon-font icon-plane jump-plane"></i>
</div>
</div>
</div>
</aside>
<article id="post-hire" class="article article-type-post article-index" itemscope itemprop="blogPost">
<div class="article-inner">
<header class="article-header">
<h1 itemprop="name">
<a class="article-title" href="/2021/03/24/hire/">武汉大学CVEO小组招募（长期有效）</a>
</h1>
<a href="/2021/03/24/hire/" class="archive-article-date">
<time datetime="2021-03-24T13:31:58.000Z" itemprop="datePublished"><i class="icon-calendar icon"></i>2021-03-24</time>
</a>
</header>
<div class="article-entry" itemprop="articleBody">
<p>武汉大学CVEO（Computer Vision for Earth Observation）小组由武汉大学测绘遥感信息工程国家重点实验室张晓东教授领衔，专注于遥感影像智能处理、时空大数据分析的理论研究和行业落地应用。现根据小组发展和科研项目需要，武汉大学CVEO小组诚招本科实习生、硕士研究生、研究助理与博士后研究员，招收内容长期有效，具体要求如下：</p>
<h1><span id="一-招生">一、 招生</span></h1><h2><span id="1-招生条件及要求">1. 招生条件及要求</span></h2><h3><span id="1-本科实习生">(1) 本科实习生</span></h3><ul>
<li>欢迎对小组研究方向感兴趣的测绘、遥感、计算机相关专业的大二、大三本科生加入小组，提前进行科学研究与产业实践；</li>
<li>在学有余力的情况下，CVEO小组鼓励并全程指导本科生提前进行科学研究，参加高水平竞赛，发表高水平学术论文；</li>
<li>CVEO小组提供高性能计算资源、云服务资源用于大学生创新、创业训练项目。</li>
</ul>
<h3><span id="2-研究生">(2) 研究生</span></h3><ul>
<li>CVEO小组常年招收学术型硕士、专业型硕士和非全日制硕士，不限来源，不限性别，不限能力；</li>
<li>欢迎有志于摄影测量与遥感、地理信息系统、计算机视觉与人工智能、软件工程等专业的同学报考硕士和博士研究生。</li>
<li>鼓励硕士/博士研究生发表论文，并给予学术指导。鼓励学术型硕士发表SCI期刊，专业型硕士/非全日制硕士发表SCI、EI以及中文核心期刊；</li>
</ul>
<h2><span id="2-津贴">2. 津贴</span></h2><ul>
<li>本科实习生参与项目研发或取得科研进展后，可获得300-1000元/月的实习津贴；</li>
<li>全日制硕/博士研究生，保证月均津贴处于武汉大学测绘遥感信息工程国家重点实验室团队前1/4以上水平。</li>
</ul>
<h2><span id="3-毕业去向">3. 毕业去向</span></h2><p>CVEO小组将协助学生做好职业规划，充分利用科研、社会服务、同学、校友等渠道，协助毕业学生就业：</p>
<blockquote>
<ul>
<li>硕士研究生毕业后推荐相关企事业单位（丰图科技、中科星图、华为技术有限公司、中国天绘卫星中心、湖北省国土测绘院等）、继续攻读博士学位等；博士研究生毕业后推荐相关企事业单位、从事博士后研究工作以及国内高校任教（武汉大学、武汉科技大学、长江大学）等。</li>
<li>更多团队成员毕业去向详情请查看：<a href="/members/">链接</a></li>
</ul>
</blockquote>
<h1><span id="二-岗位招聘">二、 岗位招聘</span></h1><h2><span id="1-招生条件及要求">1. 招生条件及要求</span></h2><h3><span id="1-研究助理">(1) 研究助理</span></h3><ul>
<li>具有普通高校全日制本科学历，遥感、测绘、计算机、电信、软件工程学科方向优先；</li>
<li>具有计算机编程，遥感数据分析或WebGIS系统开发等相关经验者优先；</li>
<li>具备良好的团队合作精神和沟通协调能力，能按时完成课题组安排的科研任务；</li>
<li>熟悉科研项目管理工作，工作期间可在不影响小组分配任务的同时，准备考研、考博、申请留学等事宜。</li>
</ul>
<h3><span id="2-博士后">(2) 博士后</span></h3><ul>
<li>1991年1月1日及以后出生，能够稳定工作2-3年；</li>
<li>近年（或即将）获得摄影测量与遥感、计算机科学或数学等相关学科博士学位，具有较强的英文科技文献阅读和写作能力；</li>
<li>在本领域主流国际SCI期刊（中科院三区及以上）以第一作者发表过学术论文1篇及以上；</li>
<li>具有大型WebGIS系统研发、遥感大数据分析、大规模深度学习系统研发部署等经验者优先；</li>
<li>具有独立科研工作能力和良好的团队沟通协作能力，能按时完成课题组安排的科研任务；</li>
<li>在站期间，需发表1-2篇SCI论文（中科院二区及以上），且申请博后基金或者自然科学青年基金一项。</li>
</ul>
<h2><span id="2-薪资待遇">2. 薪资待遇</span></h2><h3><span id="1-研究助理">(1) 研究助理</span></h3><ul>
<li>年薪8万-20万（已获硕士及以上学位），具体薪酬面议，特别优异者薪酬可再上调；</li>
<li>一经录用，签订正式劳动合同。聘期内执行武汉大学非事业编制聘用人员相关规定，缴纳社会保险。聘用期满后，根据个人工作表现续聘。</li>
</ul>
<h3><span id="2-博士后">(2) 博士后</span></h3><ul>
<li>工资及福利待遇按国家和武汉大学博士后相关规定从优考虑，依据申请人的学术成绩和工作能力，年薪16-38万（税前），根据入站后工作业绩情况提供不同等级科研奖励，特别优秀者可面议；</li>
<li>学校协助办理人事理档案、落户等手续，提供博士后标准福利待遇，包括五险一金、博士后公寓或者住房补贴，以及子女入学便利；</li>
<li>团队将积极推荐以及辅助申请博士后基金、博新计划、自然科学基金等项目，并提供良好的科研实验条件；</li>
<li>出站后，可应聘武汉大学特聘副研究员等相关科研工作岗位；如通过转编答辩，可入职武汉大学长聘教职序列。</li>
</ul>
<h1><span id="三-联系方式">三、联系方式</span></h1><blockquote>
<ul>
<li>联系E－mail：<a href="mailto:cgz@whu.edu.cn" target="_blank" rel="noopener">cgz@whu.edu.cn</a></li>
<li>联系微信：关注“珞珈经纬”微信公众号，后台回复“加入CVEO”即可</li>
<li>小组官网：<a href="/">https://www.whu-cveo.com/</a></li>
<li>地址：湖北省武汉市洪山区珞喻路129号<iframe src="/map.html" frameborder="0" height="500px" width="100%" scrolling="no"></iframe></li>
</ul>
</blockquote>
</div>
<div class="article-info article-info-index">
<div class="article-tag tagcloud">
<i class="icon-price-tags icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">武汉大学</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">CVEO</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">张晓东</a>
</li>
</ul>
</div>
<div class="article-category tagcloud">
<i class="icon-book icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="/categories/小组简介//" class="article-tag-list-link color5">小组简介</a>
</li>
</ul>
</div>
<p class="article-more-link">
<a class="article-more-a" href="/2021/03/24/hire/">展开全文 >></a>
</p>
<div class="clearfix"></div>
</div>
</div>
</article>
<aside class="wrap-side-operation">
<div class="mod-side-operation">
<div class="jump-container" id="js-jump-container" style="display:none;">
<a href="javascript:void(0)" class="mod-side-operation__jump-to-top">
<i class="icon-font icon-back"></i>
</a>
<div id="js-jump-plan-container" class="jump-plan-container" style="top: -11px;">
<i class="icon-font icon-plane jump-plane"></i>
</div>
</div>
</div>
</aside>
<article id="post-paper-HRFCN" class="article article-type-post article-index" itemscope itemprop="blogPost">
<div class="article-inner">
<header class="article-header">
<h1 itemprop="name">
<a class="article-title" href="/2019/10/26/paper-HRFCN/">基于全卷积神经网络的单张遥感影像去雾</a>
</h1>
<a href="/2019/10/26/paper-HRFCN/" class="archive-article-date">
<time datetime="2019-10-26T08:00:00.000Z" itemprop="datePublished"><i class="icon-calendar icon"></i>2019-10-26</time>
</a>
</header>
<div class="article-entry" itemprop="articleBody">
<blockquote>
<p><strong>Haze removal from a single remote sensing image based on a fully convolutional neural network</strong> <a href="https://www.spiedigitallibrary.org/journals/Journal-of-Applied-Remote-Sensing/volume-13/issue-3/036505/Haze-removal-from-a-single-remote-sensing-image-based-on/10.1117/1.JRS.13.036505.full?SSO=1&tab=ArticleLink" target="_blank" rel="noopener">链接</a><br>Ling K, Puyun L, Xiaodong Z, Guanzhou C, Kun Z, Qing W, Xiaoliang T.<br>Journal of Applied Remote Sensing, 13(3), 036505 (2019).<code>SCI</code></p>
</blockquote>
<p>在遥感影像中，薄雾常常会影响影像后续处理（如目标检测、影像分类等工作）的效果，降低了遥感影像的利用率。单张遥感影像去雾任务是一个秩亏问题，现有的去雾方法大都通过引入多种先验知识来实现影像去雾。本文引入了深度学习算法，提出并构建了一个全卷积神经网络HRFCN以估计透射率图，进而以此为根据合成去雾影像。实验证明，本文提出的模型可以在目视效果和相似性指标上同时达到可观的效果。</p>
<a class="article-more-a" href="/2019/10/26/paper-HRFCN/#more">继续阅读 >></a>
</div>
<div class="article-info article-info-index">
<div class="article-tag tagcloud">
<i class="icon-price-tags icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">深度学习</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">CNN</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color2">遥感影像处理</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color2">遥感影像去雾</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color1">数据集合成</a>
</li>
</ul>
</div>
<div class="article-category tagcloud">
<i class="icon-book icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="/categories/CVEO论文//" class="article-tag-list-link color2">CVEO论文</a>
</li>
<li class="article-tag-list-item">
<a href="/categories/CVEO论文/遥感影像去雾//" class="article-tag-list-link color2">遥感影像去雾</a>
</li>
</ul>
</div>
<p class="article-more-link">
<a class="article-more-a" href="/2019/10/26/paper-HRFCN/">展开全文 >></a>
</p>
<div class="clearfix"></div>
</div>
</div>
</article>
<aside class="wrap-side-operation">
<div class="mod-side-operation">
<div class="jump-container" id="js-jump-container" style="display:none;">
<a href="javascript:void(0)" class="mod-side-operation__jump-to-top">
<i class="icon-font icon-back"></i>
</a>
<div id="js-jump-plan-container" class="jump-plan-container" style="top: -11px;">
<i class="icon-font icon-plane jump-plane"></i>
</div>
</div>
</div>
</aside>
<article id="post-paper-3onet" class="article article-type-post article-index" itemscope itemprop="blogPost">
<div class="article-inner">
<header class="article-header">
<h1 itemprop="name">
<a class="article-title" href="/2019/07/16/paper-3onet/">基于双流神经网络的葵花八号卫星对流云提取</a>
</h1>
<a href="/2019/07/16/paper-3onet/" class="archive-article-date">
<time datetime="2019-07-16T13:31:58.000Z" itemprop="datePublished"><i class="icon-calendar icon"></i>2019-07-16</time>
</a>
</header>
<div class="article-entry" itemprop="articleBody">
<blockquote>
<p><strong>Convective Clouds Extraction from Himawari-8 Satellite Images Based on Double-Stream Fully Convolutional Networks</strong><br>Zhang X, Tong W, Chen G, Tan X, Kun Z.<br>IEEE GEOSCIENCE AND REMOTE SENSING LETTERS</p>
</blockquote>
<p>对流云的自动提取具有十分重要的意义。对流云经常带来大雨、强风和其他灾难性天气。利用遥感图像,可以获取大规模的云层信息,为对流云检测提供了许多有效的方法。本文提出了一种提取对流云的新方法。我们引入了一种只使用1×1卷积的神经网络(3ONet)来提取遥感影像的光谱特性。之后,我们将 3ONet 与对称密集短连接深度全卷积网络(SDFCN) 合并为双流全卷积网络用于提取对流云。在实验中,我们使用Himawari-8卫星图像来验证所提出的网络。实验结果的平均交并比（mIoU）为0.5882。因此，该方法能有效地提取对流云。此外，本文还探究了不同的归一化方法与不同的损失函数对模型训练结果的影响。</p>
<a class="article-more-a" href="/2019/07/16/paper-3onet/#more">继续阅读 >></a>
</div>
<div class="article-info article-info-index">
<div class="article-tag tagcloud">
<i class="icon-price-tags icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">深度学习</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">CNN</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color2">遥感影像分割</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">语义分割</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">气象遥感</a>
</li>
</ul>
</div>
<div class="article-category tagcloud">
<i class="icon-book icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="/categories/CVEO论文//" class="article-tag-list-link color2">CVEO论文</a>
</li>
<li class="article-tag-list-item">
<a href="/categories/CVEO论文/遥感影像分割//" class="article-tag-list-link color2">遥感影像分割</a>
</li>
</ul>
</div>
<p class="article-more-link">
<a class="article-more-a" href="/2019/07/16/paper-3onet/">展开全文 >></a>
</p>
<div class="clearfix"></div>
</div>
</div>
</article>
<aside class="wrap-side-operation">
<div class="mod-side-operation">
<div class="jump-container" id="js-jump-container" style="display:none;">
<a href="javascript:void(0)" class="mod-side-operation__jump-to-top">
<i class="icon-font icon-back"></i>
</a>
<div id="js-jump-plan-container" class="jump-plan-container" style="top: -11px;">
<i class="icon-font icon-plane jump-plane"></i>
</div>
</div>
</div>
</aside>
<article id="post-paper-DM-FPN" class="article article-type-post article-index" itemscope itemprop="blogPost">
<div class="article-inner">
<header class="article-header">
<h1 itemprop="name">
<a class="article-title" href="/2019/04/02/paper-DM-FPN/">基于 Double Multi-Scale Feature Pyramid Network (DM-FPN) 的高分辨率遥感影像地理空间目标检测</a>
</h1>
<a href="/2019/04/02/paper-DM-FPN/" class="archive-article-date">
<time datetime="2019-04-02T02:31:58.000Z" itemprop="datePublished"><i class="icon-calendar icon"></i>2019-04-02</time>
</a>
</header>
<div class="article-entry" itemprop="articleBody">
<blockquote>
<p><strong>Geospatial Object Detection on High Resolution Remote Sensing Imagery Based on Double Multi-Scale Feature Pyramid Network</strong> <a href="https://www.mdpi.com/2072-4292/11/7/755/htm" target="_blank" rel="noopener">链接</a> · <a href="https://www.mdpi.com/2072-4292/11/7/755/pdf" target="_blank" rel="noopener">PDF</a><br>Zhang X, Zhu K, Chen G, et al.<br>Remote Sens. 2019, 11(7), 755; doi:10.3390/rs11070755.<code>SCI</code> </p>
</blockquote>
<p>高分辨率遥感影像目标检测在图像自动判读领域引起了广泛的关注。基于区域的卷积神经网络(R-CNN)在该领域得到了广泛的推广，它首先生成候选区域，然后对这些区域中存在的目标进行精确的分类和定位。然而，图像尺寸过大、图像背景复杂、训练样本大小和数量分布不均匀使得检测任务更加具有挑战性，特别是对于小而密集的目标。为了解决这些问题，本文提出了一种有效的基于区域的高分辨率遥感影像目标检测框架——双多尺度特征金字塔网络(Double Multi-scale Feature Pyramid Network，DM-FPN)。DM-FPN由多尺度区域提议网络(Region Proposal Network，RPN)和多尺度目标检测网络组成，这两个模块共享卷积层，实现端到端的训练。为了增加训练数据的多样性，克服输入图像的尺寸限制，我们提出了几种多尺度训练策略。我们还提出了多尺度预测和自适应类别非极大值抑制(adaptive categorical non-maximum suppression，ACNMS)策略以提高检测性能。在大规模遥感影像目标检测数据集DOTA上的大量实验和综合评价表明了该框架的有效性，DM-FPN在验证数据集的平均精度均值(mAP)为0.7927，在<a href="http://captain.whu.edu.cn/DOTAweb/results.html" target="_blank" rel="noopener">测试数据集</a>上达到了最高的为0.793。<br>
<a class="article-more-a" href="/2019/04/02/paper-DM-FPN/#more">继续阅读 >></a>
</div>
<div class="article-info article-info-index">
<div class="article-tag tagcloud">
<i class="icon-price-tags icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">深度学习</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">Feature Pyramid Network</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">多尺度</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">遥感影像目标检测</a>
</li>
</ul>
</div>
<div class="article-category tagcloud">
<i class="icon-book icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="/categories/CVEO论文//" class="article-tag-list-link color2">CVEO论文</a>
</li>
<li class="article-tag-list-item">
<a href="/categories/CVEO论文/遥感影像目标检测//" class="article-tag-list-link color4">遥感影像目标检测</a>
</li>
</ul>
</div>
<p class="article-more-link">
<a class="article-more-a" href="/2019/04/02/paper-DM-FPN/">展开全文 >></a>
</p>
<div class="clearfix"></div>
</div>
</div>
</article>
<aside class="wrap-side-operation">
<div class="mod-side-operation">
<div class="jump-container" id="js-jump-container" style="display:none;">
<a href="javascript:void(0)" class="mod-side-operation__jump-to-top">
<i class="icon-font icon-back"></i>
</a>
<div id="js-jump-plan-container" class="jump-plan-container" style="top: -11px;">
<i class="icon-font icon-plane jump-plane"></i>
</div>
</div>
</div>
</aside>
<article id="post-paper-szcds" class="article article-type-post article-index" itemscope itemprop="blogPost">
<div class="article-inner">
<header class="article-header">
<h1 itemprop="name">
<a class="article-title" href="/2019/03/28/paper-szcds/">光学水准尺图像数字化处理及其自动化读数实现</a>
</h1>
<a href="/2019/03/28/paper-szcds/" class="archive-article-date">
<time datetime="2019-03-28T13:31:58.000Z" itemprop="datePublished"><i class="icon-calendar icon"></i>2019-03-28</time>
</a>
</header>
<div class="article-entry" itemprop="articleBody">
<blockquote>
<p><strong>光学水准尺图像数字化处理及其自动化读数实现</strong> <a href="http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2019&filename=CHXG201901016&v=Mjc3MDFyQ1VSTE9mWStWdkZ5SGxVcnZMSmlYVGFiRzRIOWpNcm85RVlvUjhlWDFMdXhZUzdEaDFUM3FUcldNMUY=" target="_blank" rel="noopener">链接</a><br>张力飞, 张晓东.<br>测绘地理信息, 2019, 44(1).</p>
</blockquote>
<p>水准测量是工程测量中极其重要的部分，被广泛地应用于未知点高程值的测定工作中，具有重要的社会效益。目前用于水准测量的仪器分为数字水准仪和光学水准仪，其中数字水准仪可以实现自动化的读数，但价格比较昂贵；光学水准仪价格比较便宜，需要人工读数。针对以上问题，本文提出了利用数字图像处理技术实现光学水准尺自动读数的方法和整体处理流程。</p>
<a class="article-more-a" href="/2019/03/28/paper-szcds/#more">继续阅读 >></a>
</div>
<div class="article-info article-info-index">
<div class="article-tag tagcloud">
<i class="icon-price-tags icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">水准尺自动化读数</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color1">水准尺图像数字化处理</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">光学影像</a>
</li>
</ul>
</div>
<div class="article-category tagcloud">
<i class="icon-book icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="/categories/CVEO论文//" class="article-tag-list-link color2">CVEO论文</a>
</li>
<li class="article-tag-list-item">
<a href="/categories/CVEO论文/水准尺自动化读数//" class="article-tag-list-link color4">水准尺自动化读数</a>
</li>
</ul>
</div>
<p class="article-more-link">
<a class="article-more-a" href="/2019/03/28/paper-szcds/">展开全文 >></a>
</p>
<div class="clearfix"></div>
</div>
</div>
</article>
<aside class="wrap-side-operation">
<div class="mod-side-operation">
<div class="jump-container" id="js-jump-container" style="display:none;">
<a href="javascript:void(0)" class="mod-side-operation__jump-to-top">
<i class="icon-font icon-back"></i>
</a>
<div id="js-jump-plan-container" class="jump-plan-container" style="top: -11px;">
<i class="icon-font icon-plane jump-plane"></i>
</div>
</div>
</div>
</aside>
<article id="post-paper-fasterrcnn4cd" class="article article-type-post article-index" itemscope itemprop="blogPost">
<div class="article-inner">
<header class="article-header">
<h1 itemprop="name">
<a class="article-title" href="/2018/10/18/paper-fasterrcnn4cd/">基于Faster R-CNN的高分辨率遥感影像变化检测</a>
</h1>
<a href="/2018/10/18/paper-fasterrcnn4cd/" class="archive-article-date">
<time datetime="2018-10-18T02:31:58.000Z" itemprop="datePublished"><i class="icon-calendar icon"></i>2018-10-18</time>
</a>
</header>
<div class="article-entry" itemprop="articleBody">
<blockquote>
<p><strong>Change detection based on Faster R-CNN for high-resolution remote sensing images</strong> <a href="https://www.tandfonline.com/doi/full/10.1080/2150704X.2018.1492172" target="_blank" rel="noopener">链接</a> · <a href="https://www.tandfonline.com/doi/pdf/10.1080/2150704X.2018.1492172?needAccess=true" target="_blank" rel="noopener">PDF</a><br>Wang Q, Zhang X, Chen G, et al.<br>Remote Sensing Letters. 2018, 9(10): 923-932.<code>SCI</code></p>
</blockquote>
<p>变化检测在遥感影像解译中具有重要的意义，高分辨率遥感影像极大地提高了土地利用/覆盖变化（LU/LC）监测的能力。但在实际应用中，针对高分辨率遥感影像的变化检测，传统方法过于耗时且需要烦琐的人工干预。近年来，深度学习在自然影像目标检测、语音识别、人脸识别等领域得到了广泛的应用，并取得了巨大的成功。目前已经有一些学者将深度学习应用于遥感影像分类和变化检测，但较少应用于高分辨率遥感影像变化检测。在这篇文章里，我们提出基于区域的卷积神经网络并将其应用于高分辨率遥感影像变化检测，同时与传统变化检测方法，以及其他的基于深度学习的方法进行比较，我们提出的方法具有更高的整体精度和Kappa系数，特别是我们的方法可以减少大量伪变化。<br>
<a class="article-more-a" href="/2018/10/18/paper-fasterrcnn4cd/#more">继续阅读 >></a>
</div>
<div class="article-info article-info-index">
<div class="article-tag tagcloud">
<i class="icon-price-tags icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color5">深度学习</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">CNN</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color2">Faster RCNN</a>
</li>
<li class="article-tag-list-item">
<a href="javascript:void(0)" class="js-tag article-tag-list-link color4">遥感影像变化检测</a>
</li>
</ul>
</div>
<div class="article-category tagcloud">
<i class="icon-book icon"></i>
<ul class="article-tag-list">
<li class="article-tag-list-item">
<a href="/categories/CVEO论文//" class="article-tag-list-link color2">CVEO论文</a>
</li>
<li class="article-tag-list-item">
<a href="/categories/CVEO论文/遥感影像变化检测//" class="article-tag-list-link color4">遥感影像变化检测</a>
</li>
</ul>
</div>
<p class="article-more-link">
<a class="article-more-a" href="/2018/10/18/paper-fasterrcnn4cd/">展开全文 >></a>
</p>
<div class="clearfix"></div>
</div>
</div>
</article>
<aside class="wrap-side-operation">
<div class="mod-side-operation">
<div class="jump-container" id="js-jump-container" style="display:none;">
<a href="javascript:void(0)" class="mod-side-operation__jump-to-top">
<i class="icon-font icon-back"></i>
</a>
<div id="js-jump-plan-container" class="jump-plan-container" style="top: -11px;">
<i class="icon-font icon-plane jump-plane"></i>
</div>
</div>
</div>
</aside>
<article id="post-paper-kdcnn" class="article article-type-post article-index" itemscope itemprop="blogPost">
<div class="article-inner">
<header class="article-header">
<h1 itemprop="name">
<a class="article-title" href="/2018/09/29/paper-kdcnn/">基于知识蒸馏的小规模遥感影像场景分类网络模型训练方法</a>
</h1>
<a href="/2018/09/29/paper-kdcnn/" class="archive-article-date">
<time datetime="2018-09-29T13:31:58.000Z" itemprop="datePublished"><i class="icon-calendar icon"></i>2018-09-29</time>
</a>
</header>
<div class="article-entry" itemprop="articleBody">
<blockquote>
<p><strong>Training Small Networks for Scene Classification of Remote Sensing Images via Knowledge Distillation</strong> <a href="http://www.mdpi.com/2072-4292/10/5/719/htm" target="_blank" rel="noopener">链接</a> · <a href="http://www.mdpi.com/2072-4292/10/5/719/pdf" target="_blank" rel="noopener">PDF</a><br>Chen G, Zhang X, Tan X, et al.<br>Remote Sensing 2018, 10(5), 719.<code>SCI</code></p>
</blockquote>
<p>场景分类是遥感图像分析领域中的一项基本任务，其目的是识别遥感影像图斑的土地覆盖类型。基于深度神经网络的算法（如VGG-Net、ResNet、DenseNet）在场景分类中得到了广泛的应用，并取得了显著的性能，但以上深度模型方法会消耗大量的计算资源与训练时间，不适用于嵌入式设备或星上处理等特殊情况。因此，本文将目前主流的模型压缩方法——知识蒸馏框架引入遥感影像场景分类任务中，以提高小规模网络模型的分类水平。知识蒸馏方法关键在于，使小规模的学生模型的高温softmax输出与大规模的教师模型对应的高温输出相匹配。本文在四个公开的遥感场景分类数据集（AID数据集、UCMerced数据集、NWPU-RESISC数据集和EuroSAT数据集）展开实验，以评估知识蒸馏训练方法的性能。结果表明，本文方法在四个数据集上不同程度地提高了小规模网络模型的分类水平。此外，本文还探究了当数据集样本数量较少或类别不平衡等情况下学生模型的表现，进一步验证知识蒸馏方法在低分辨率遥感影像、遥感地物类别较多、遥感影像数量较少等情况下的适用性与可行性。</p>
<a class="article-more-a" href="/2018/09/29/paper-kdcnn/#more">继续阅读 >></a>
</div>