基于CNN的遥感图像场景分类(一）

本文希望实现一个简单的卷积神经网络结构，用于遥感图像的场景分类 ，作为在遥感数据上进行深度学习的入门实践

---

此次实践的主要参考资料为Kevin Xu 的 Tensorflow tutorial: Cats vs. dogs；在此表示感谢

源码地址：GitHub
视频教程： YouTube

原教程中，采用的是Kaggle 的猫狗大战的竞赛数据，有两万多张猫狗的数据集，实际上是个二分类的问题，作为深度学习的入门再合适不过。本文希望学习这个实战课程并获得以下两个知识：

• 自制数据集的读取
• 简单网络结构的搭建和训练

从文件中读取数据

一个典型的文静读取管线包括下面几个步骤
1.文件名列表
2.可配置文件的文件名乱序(shuffling)
3.可配置文件最大训练迭代次数（epoch limit)
4.文件名队列
5.针对输入文件格式的阅读器
6.记录解析器
7.可配置的预处理器
8.样本队列

依据代码来理解上面的几个步骤
首先我们通过一个函数get_files来获取文件列表
这个文件列表是从你的训练集中进行读取，首先这个训练集应该包含了所有的训练样本图片，图片的命名规则按照图片所属的类别进行标注。本例子中

import tensorflow as tf
import numpy as np
import os

def get_files(file_dir):