本书共分7章，内容包括绪论、神经网络的基本原理、卷积神经网络、地表覆盖分类基本原理与方法、地表覆盖分类语义分割方法、地表覆盖分类卷积神经网络设计、地表覆盖分类方法实践等。本书可供测绘科学与技术等相关专业的本科生及研究生阅读，也可供地信、遥感、测量等行业的工程技术人员和企业管理人员参考。

1绪论1.1地表覆盖分类概述1.1.1非监督分类进展1.1.2监督分类进展1.2深度神经网络发展现状1.2.1深度神经网络图像分类模型发展现状1.2.2深度神经网络语义分割模型发展现状1.2.3主流深度神经网络框架1.3深度卷积神经网络在地表覆盖分类的应用进展2神经网络的基本原理2.1人脑神经网络2.2人工神经网络2.2.1从生物神经元到人工神经元2.2.2感知器2.2.3神经元模型2.2.4多层前馈神经网络2.3深度神经网络结构2.4反向传播学习2.4.1常见梯度下降算法2.4.2其他优化的算法2.4.3反向传播算法的过程2.5激活函数2.5.1Sigmoid系激活函数2.5.2Softplus激活函数2.5.3ReLU激活函数2.5.4Softmax激活函数2.5.5其他激活函数2.6损失函数2.6.1回归问题的损失函数2.6.2分类问题的损失函数2.7超参数2.7.1学习率2.7.2迭代次数2.7.3正则化参数2.7.4小批量数据的大小2.7.5动量2.7.6稀疏2.8网络参数优化3卷积神经网络3.1整体结构3.2输入层3.3卷积层3.3.1卷积运算3.3.2填充3.3.3卷积步长3.3.4特征图计算3.3.5三维卷积的计算3.3.6结合长方体考虑3.3.7批处理3.3.8参数的共享3.4池化层3.4.1最大值池化3.4.2平均值池化3.4.3池化的特性3.5全连接层3.6经典卷积神经网络3.6.1LeNet3.6.2AlexNet网络3.6.3VGGNet网络3.6.4NiN网络3.6.5GoogLeNet网络3.6.6ResNet网络4地表覆盖分类基本原理与方法4.1目视解译4.1.1人工目视判读法4.1.2人机互换判断法4.2监督分类4.2.1最大似然分类4.2.2最小距离法4.2.3决策树分类算法4.2.4随机森林分类算法4.2.5支持向量机分类算法4.3非监督分类算法4.3.1层次聚类4.3.2模糊聚类4.3.3K均值聚类算法4.3.4ISODATA分类算法4.4人工神经网络4.5卷积神经网络4.5.1FCN网络模型4.5.2U-Net网络模型4.5.3SegNet网络模型4.5.4PSPNet网络模型4.5.5DeepLab系列网络5地表覆盖分类语义分割方法5.1卷积层5.2池化层5.3卷积神经网络模型的构建5.4语义分割编码-解码结构5.5语义分