- 分享常见的数据结构包括：数组、链表、栈和队列等，以及常见的算法：排序、分治、回溯、递归、贪心、动态规划等。 分享常见的数据结构包括：数组、链表、栈和队列等，以及常见的算法：排序、分治、回溯、递归、贪心、动态规划等。
- 水文地理90米图层Hydrography 90层利用MERIT Hydro数字高程模型在3角秒处（赤道90米∼）得出全球无缝、标准化的水文网络，即 "Hydrography90m"，以及相应的河流地形和地貌信息。该网络的一个核心特征是最小的上游贡献区，即流量积累，为0.05平方公里（或5公顷），以启动一条河道，这使我们能够非常详细地提取上游河道。前言 – 床长人工智能教程数据验证程序证实... 水文地理90米图层Hydrography 90层利用MERIT Hydro数字高程模型在3角秒处（赤道90米∼）得出全球无缝、标准化的水文网络，即 "Hydrography90m"，以及相应的河流地形和地貌信息。该网络的一个核心特征是最小的上游贡献区，即流量积累，为0.05平方公里（或5公顷），以启动一条河道，这使我们能够非常详细地提取上游河道。前言 – 床长人工智能教程数据验证程序证实...
- Global 30m Height Above the Nearest Drainage方法： methodology here前言 – 床长人工智能教程 最近近排水口以上的高度（HAND）是一个使用最近的排水口进行归一化的数字高程模型，用于水文和更广泛的用途，如灾害测绘、地貌分类和遥感。HAND的基本特征之一是它能够捕捉当地环境中的异质性，否则难以测量或建模。虽然学术文献中发表了许多HA... Global 30m Height Above the Nearest Drainage方法： methodology here前言 – 床长人工智能教程 最近近排水口以上的高度（HAND）是一个使用最近的排水口进行归一化的数字高程模型，用于水文和更广泛的用途，如灾害测绘、地貌分类和遥感。HAND的基本特征之一是它能够捕捉当地环境中的异质性，否则难以测量或建模。虽然学术文献中发表了许多HA...
- OSM水图层 OpenStreetMap中的地表水OSM水层是一个全球地表水数据，由OpenStreetMap中提取地表水特征生成。OSM水层栅格化地图是以WGS84为参照的。数据准备为5度x5度的瓦片（6000像素x6000像素）。文件名代表数据域的左下角像素的中心；例如，文件 "n30w120.tif "是针对域N30-N35，W120-W115。(more accurately, N... OSM水图层 OpenStreetMap中的地表水OSM水层是一个全球地表水数据，由OpenStreetMap中提取地表水特征生成。OSM水层栅格化地图是以WGS84为参照的。数据准备为5度x5度的瓦片（6000像素x6000像素）。文件名代表数据域的左下角像素的中心；例如，文件 "n30w120.tif "是针对域N30-N35，W120-W115。(more accurately, N...
- 全球森林碳通量（2001-2021）森林碳净通量是指2001年至2021年期间森林与大气之间的碳净交换量，计算方法是模型期间森林排放的碳与森林移除（或封存）的碳之间的平衡（兆克CO2排放量/公顷）。净碳通量的计算方法是将每个建模像素的年平均总清除量减去年平均总排放量；负值是指2001年至2021年期间森林为净碳汇，正值是指森林为净碳源。根据Hansen等人（2013）的全球森林变化树木覆盖... 全球森林碳通量（2001-2021）森林碳净通量是指2001年至2021年期间森林与大气之间的碳净交换量，计算方法是模型期间森林排放的碳与森林移除（或封存）的碳之间的平衡（兆克CO2排放量/公顷）。净碳通量的计算方法是将每个建模像素的年平均总清除量减去年平均总排放量；负值是指2001年至2021年期间森林为净碳汇，正值是指森林为净碳源。根据Hansen等人（2013）的全球森林变化树木覆盖...
- 土地变化监测、评估和预测（LCMAP）v1.2土地变化监测、评估和预测（LCMAP）是美国地质调查局地球资源观测与科学中心（EROS）的新一代土地覆盖制图和变化监测。与以前的工作相比，LCMAP以更高的频率满足了对更高质量结果的需求，并增加了土地覆盖和变化的变量。LCMAP系列1.2产品已于2021年11月发布，包括1985-2020年的LCMAP产品。LCMAP科学产品文件包含产品的细节... 土地变化监测、评估和预测（LCMAP）v1.2土地变化监测、评估和预测（LCMAP）是美国地质调查局地球资源观测与科学中心（EROS）的新一代土地覆盖制图和变化监测。与以前的工作相比，LCMAP以更高的频率满足了对更高质量结果的需求，并增加了土地覆盖和变化的变量。LCMAP系列1.2产品已于2021年11月发布，包括1985-2020年的LCMAP产品。LCMAP科学产品文件包含产品的细节...
- CloudSEN12 - 用于对Sentinel-2中的云和云影进行语义理解的全球数据集CloudSEN12是一个用于云层语义理解的大型数据集，由9880个感兴趣的区域（ROI）组成，包括49400个图像斑块（IP），均匀地分布在除南极洲以外的所有大陆。每个IP覆盖5090x5090米，包含来自Sentinel-2 1C和2A级的数据、手工制作的厚薄云和云影注释、Sentinel-1合成孔... CloudSEN12 - 用于对Sentinel-2中的云和云影进行语义理解的全球数据集CloudSEN12是一个用于云层语义理解的大型数据集，由9880个感兴趣的区域（ROI）组成，包括49400个图像斑块（IP），均匀地分布在除南极洲以外的所有大陆。每个IP覆盖5090x5090米，包含来自Sentinel-2 1C和2A级的数据、手工制作的厚薄云和云影注释、Sentinel-1合成孔...
- 共享社会经济路径下的全球城市预测（2020-2100年）这些数据集包括在共同社会经济路径（SSPs）下对未来城市土地的两个独立的全球预测，一个来自Chen等人（2020），另一个来自Gao & O'Neill（2020）。Chen等人的数据集提供了2020年至2100年（包括）每10年1公里分辨率的城市和非城市土地的二元分类（像素值为2代表城市；否则为1）。另一方面，Gao & O'Nei... 共享社会经济路径下的全球城市预测（2020-2100年）这些数据集包括在共同社会经济路径（SSPs）下对未来城市土地的两个独立的全球预测，一个来自Chen等人（2020），另一个来自Gao & O'Neill（2020）。Chen等人的数据集提供了2020年至2100年（包括）每10年1公里分辨率的城市和非城市土地的二元分类（像素值为2代表城市；否则为1）。另一方面，Gao & O'Nei...
- 《AI推理引擎：核心原理》这个系列的内容：从推理系统整体架构开始，然后到模型小型化、模型压缩，在真正推理之前需要进行模型转换和图优化，最后到kernel和runtime优化。 《AI推理引擎：核心原理》这个系列的内容：从推理系统整体架构开始，然后到模型小型化、模型压缩，在真正推理之前需要进行模型转换和图优化，最后到kernel和runtime优化。
- 因为 YOLOv1-v3 的作者不再更新 YOLO 框架，所以 Alexey Bochkovskiy 接起了传承 YOLO 的重任。相比于它的前代，YOLOv4 不再是原创性且让人眼前一亮的研究，但是却集成了目标检测领域的各种实用 tricks 和即插即用模块 ，称得上是基于 YOLOv3 框架的各种目标检测 tricks 的集大成者。 本文章不会对原论文进行一一翻译，但是做了系统性的总结和关键部 因为 YOLOv1-v3 的作者不再更新 YOLO 框架，所以 Alexey Bochkovskiy 接起了传承 YOLO 的重任。相比于它的前代，YOLOv4 不再是原创性且让人眼前一亮的研究，但是却集成了目标检测领域的各种实用 tricks 和即插即用模块 ，称得上是基于 YOLOv3 框架的各种目标检测 tricks 的集大成者。 本文章不会对原论文进行一一翻译，但是做了系统性的总结和关键部
- Cascade RCNN 是作者 Zhaowei Cai 于 2018 年发表的论文，算法框架是由一系列不断增加 IoU 阈值的检测器组成，可以逐步的更接近目标的预测。 Cascade RCNN 是作者 Zhaowei Cai 于 2018 年发表的论文，算法框架是由一系列不断增加 IoU 阈值的检测器组成，可以逐步的更接近目标的预测。
- Mask RCNN 是作者 Kaiming He 于 2018 年发表的论文。Mask RCNN 继承自 Faster RCNN 主要有三个改进。 Mask RCNN 是作者 Kaiming He 于 2018 年发表的论文。Mask RCNN 继承自 Faster RCNN 主要有三个改进。
- Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。 Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。
- Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。 Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。
- 残差网络(ResNet)的提出是为了解决深度神经网络的“退化”（优化）问题。ResNet 通过设计残差块结构，调整模型结构，让更深的模型能够有效训练更训练。 残差网络(ResNet)的提出是为了解决深度神经网络的“退化”（优化）问题。ResNet 通过设计残差块结构，调整模型结构，让更深的模型能够有效训练更训练。
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签