01
遥感基础与AI概述
遥感成像原理、电磁波谱特征、AI与深度学习基础、课程整体框架。
基础AI入门
02
遥感数据获取与预处理
常见卫星数据源（Landsat、Sentinel、高分系列）、辐射定标、大气校正、几何校正。
数据预处理
03
Python遥感数据处理基础
GDAL库安装与使用、栅格数据读写、波段操作、数据可视化。
PythonGDAL
04
NumPy与遥感数据矩阵运算
数组基础、矩阵切片、统计计算、掩膜处理。
NumPy矩阵
05
Matplotlib与遥感图像显示
图像显示、波段组合（真彩色/假彩色）、直方图绘制、子图布局。
可视化Matplotlib
06
遥感影像特征工程
光谱特征、纹理特征（GLCM）、空间特征、特征选择与降维（PCA）。
特征PCA
07
机器学习基础与遥感分类
监督学习与非监督学习、训练集与测试集划分、模型评估指标（混淆矩阵、Kappa系数）。
ML基础评估
08
K近邻（KNN）地物分类
KNN原理、特征标准化、超参数调优、遥感影像分类实战。
KNN分类
09
支持向量机（SVM）地物分类
SVM原理、核函数选择、多分类策略、遥感应用案例。
SVM核函数
10
决策树与随机森林分类
决策树原理、随机森林集成学习、特征重要性分析、过拟合控制。
随机森林集成
11
深度学习框架搭建
PyTorch/TensorFlow环境配置、张量操作、自动求导、GPU加速。
PyTorchTF
12
卷积神经网络（CNN）基础
卷积层、池化层、全连接层、感受野、经典网络结构（LeNet、AlexNet）。
CNN基础
13
遥感图像语义分割
FCN原理、U-Net架构、跳跃连接、像素级分类。
语义分割U-Net
14
U-Net实战：遥感影像道路提取
数据准备、模型构建、训练策略、结果评估。
实战道路
15
DeepLabV3+与空洞卷积
空洞卷积原理、ASPP模块、多尺度特征融合、遥感建筑分割。
DeepLab空洞卷积
16
遥感目标检测基础
目标检测任务定义、边界框回归、IoU计算、NMS非极大值抑制。
检测IoU
17
YOLO系列遥感目标检测
YOLOv5/v8原理、锚框机制、遥感小目标检测挑战、训练技巧。
YOLO小目标
18
遥感变化检测
双时相影像分析、变化向量分析、深度学习变化检测网络（CDNet、BIT）。
变化检测双时相
19
多光谱与高光谱分类
高光谱数据特性、波段冗余、3D-CNN、光谱-空间联合分类。
高光谱3D-CNN
20
遥感图像分割数据标注
Labelme、QGIS标注工具、COCO格式转换、数据增强（翻转、旋转、色彩抖动）。
标注增强
21
模型训练与优化技巧
学习率调度、正则化（Dropout、Batch Normalization）、早停法、迁移学习。
优化迁移学习
22
模型评估与调优
交叉验证、超参数搜索（Grid Search、Random Search）、学习曲线分析。
调优超参数
23
遥感模型部署与推理优化
模型导出（ONNX、TorchScript）、量化压缩、边缘端部署（Jetson Nano）。
部署ONNX
24
遥感AI云平台应用
Google Earth Engine、PIE-Engine、AI Earth平台、在线模型训练与推理。
云平台GEE
25
土地利用/覆盖分类实战
LULC分类体系、样本采集、模型训练、分类后处理（滤波、矢量化）。
LULC实战
26
水体提取与监测
水体指数（NDWI、MNDWI）、深度学习水体分割、动态变化监测。
水体NDWI
27
植被与农业遥感
植被指数（NDVI、EVI）、作物分类、长势监测、产量预估。
植被农业
28
建筑物与道路提取
建筑物指数、形态学操作、深度学习提取、矢量轮廓优化。
建筑道路
29
遥感AI项目实战流程
需求分析、数据采集、模型选型、训练部署、成果交付全流程。
项目全流程
30
课程总结与前沿展望
Transformer在遥感中的应用（ViT、Swin Transformer）、自监督学习、多模态融合、未来趋势。
前沿Transformer