本书是作者攻读博士学位期间主要的研究成果，将计算机视觉及深度卷积神经网络理论及技术应用到遥感影像目标检测与语义分割中。深度卷积神经网络的优势是能够自动学习每一层特征，而无须人工设计目标的特征；另外它下采样层的设计，具有更大的感受野，不仅可以提取局部特征，还能提取更加抽象的全局特征。因此，研究将深度卷积神经网络应用于遥感影像目标检测及语义分割，具有重要的实际应用价值。
本书的第1章是绪论，介绍了研究背景、意义；国内外发展现状及存在的问题；第2章介绍了与卷积神经网络相关的理论、模型、训练的流程及精度评价指标；第3章基于区域卷积神经网络用于遥感影像的车辆检测理论、实验；第4章、第5章、第6章分别介绍了全卷积神经网络模型、引入条件随机场的卷积神经网络模型、膨胀卷积算法的卷积神经网络模型用于遥感影像语义分割。内容由浅入深，采用了不同的数据，针对不同的目标对象，最后展示了语义分割的结果，并进行了精度评定。

第1章 绪论
1.1 研究背景和意义
1.2 卷积神经网络在目标检测领域的发展
1.2.1 深度学习的发展
1.2.2 深度卷积神经网络在目标检测领域的发展
1.3 卷积神经网络在语义分割领域的发展
1.4 卷积神经网络在遥感影像语义分割的研究现状
1.4.1 研究现状
1.4.2 存在的问题
1.5 研究内容及结构组织
1.5.1 研究内容
1.5.2 组织结构
第2章 相关理论基础
2.1 图像语义分割
2.1.1 概述
2.1.2 图像语义分割
2.2 神经网络
2.2.1 单个神经元
2.2.2 神经网络模型
2.2.3 多层神经网络模型
……