项目介绍
本系统是一个基于深度学习的卫星遥感图像智能识别平台，旨在为用户提供高效、准确的遥感图像分类服务。系统采用Flask轻量级Web框架构建后端服务，集成ResNet50深度卷积神经网络模型，实现了对卫星遥感图像的自动化识别与分类。系统支持识别七大类地物类型，包括草地、农田、工业区、河流湖泊、森林、居民区和停车场，能够满足土地利用监测、城市规划、环境评估等多种应用场景的需求。
关键技术栈：resnet50算法
ResNet50（Residual Network 50层）是深度学习领域中具有里程碑意义的卷积神经网络架构，由何恺明等学者于2015年提出。该网络的核心创新在于引入了残差学习（Residual Learning）机制，通过跳跃连接（Skip Connection）解决深层网络训练中的梯度消失和梯度爆炸问题，使得网络深度可以突破传统限制，达到甚至超过100层。ResNet50网络包含49个卷积层和1个全连接层，采用了5个阶段的残差块设计，每个阶段包含不同数量的残差单元，通过堆叠这些残差块构建深度网络结构。
