- 基本监督分类 我们将学习如何使用 Google Maps 提供的高分辨率底图图像，使用从代码编辑器收集的训练样本进行基本的土地覆盖分类。这种方法不需要事先训练数据，在世界任何地方生成高质量的分类样本都非常有效。目标是将每个源像素分类为以下类别之一 - 城市、裸露、水或植被。使用代码编辑器中的绘图工具，您可以创建 4 个新特征集合，其中... 基本监督分类 我们将学习如何使用 Google Maps 提供的高分辨率底图图像，使用从代码编辑器收集的训练样本进行基本的土地覆盖分类。这种方法不需要事先训练数据，在世界任何地方生成高质量的分类样本都非常有效。目标是将每个源像素分类为以下类别之一 - 城市、裸露、水或植被。使用代码编辑器中的绘图工具，您可以创建 4 个新特征集合，其中...
- 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。 当神经网络的层数较多时，模型的数值稳定性容易变差。 假设一个层数为 ... 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。 当神经网络的层数较多时，模型的数值稳定性容易变差。 假设一个层数为 ...
- 换汤不换药，有手就会 基础肥皂案例 数据集如下： 你的数据只要能跟它合上就行，年份和数据。 你只需要修改的地方： 套上去就完事，完整代码： # coding=gbk """ 作者：川... 换汤不换药，有手就会 基础肥皂案例 数据集如下： 你的数据只要能跟它合上就行，年份和数据。 你只需要修改的地方： 套上去就完事，完整代码： # coding=gbk """ 作者：川...
- 一张图即可轻松理解： 人脸识别基本步骤： 一张图即可轻松理解： 人脸识别基本步骤：
- 全球森林变化 马里兰大学 地理科学系 对描述森林范围和变化的陆地卫星图像进行时间序列分析的结果。 树木被定义为高度超过5米的植被，并以每个输出网格单元的百分比表示为 "2000年树木覆盖率"。森林覆盖物损失 "被定义为2000-2020年期间的林分替代干扰，或从森林状态到非森林状态的变化。森林覆盖率增长 "定义为损失的倒数，或在200... 全球森林变化 马里兰大学 地理科学系 对描述森林范围和变化的陆地卫星图像进行时间序列分析的结果。 树木被定义为高度超过5米的植被，并以每个输出网格单元的百分比表示为 "2000年树木覆盖率"。森林覆盖物损失 "被定义为2000-2020年期间的林分替代干扰，或从森林状态到非森林状态的变化。森林覆盖率增长 "定义为损失的倒数，或在200...
- 多人姿态识别简介 人体姿态估计有两个主流方案：Two-step framework 和Part-based framework。第一种方案是检测环境中的每一个人体检测框，然后独立地去检测每一个人体区域的姿态（自顶向下的方法）。第二种方案是首先检测出环境中的所有肢体节点，然后进行拼接得到多人的骨架（自底向上的方法）。第一种方案，姿态检测... 多人姿态识别简介 人体姿态估计有两个主流方案：Two-step framework 和Part-based framework。第一种方案是检测环境中的每一个人体检测框，然后独立地去检测每一个人体区域的姿态（自顶向下的方法）。第二种方案是首先检测出环境中的所有肢体节点，然后进行拼接得到多人的骨架（自底向上的方法）。第一种方案，姿态检测...
- 通过把yolov3训练出来的效果可视化： 可以用python可视化，也可以直接在代码里面用tensorboardX可视化。 import reimport pandas as pdfrom matplotlib import pyplot as plt def read_data(filename): # 1: 3983.... 通过把yolov3训练出来的效果可视化： 可以用python可视化，也可以直接在代码里面用tensorboardX可视化。 import reimport pandas as pdfrom matplotlib import pyplot as plt def read_data(filename): # 1: 3983....
- 这种变化检测技术也称为一次性分类或直接多日期分类。在这里，我们创建了一个包含前后图像条带的单个堆叠图像。我们使用从堆叠图像中采样的训练数据训练分类器，并将分类器应用于堆叠图像以查找所有变化像素。 代码： var bangalore = ee.FeatureCollection('users/ujavalgandhi/public/b... 这种变化检测技术也称为一次性分类或直接多日期分类。在这里，我们创建了一个包含前后图像条带的单个堆叠图像。我们使用从堆叠图像中采样的训练数据训练分类器，并将分类器应用于堆叠图像以查找所有变化像素。 代码： var bangalore = ee.FeatureCollection('users/ujavalgandhi/public/b...
- 欧洲的土地覆盖分类，分辨率为 10 m，由 Sentinel 光学和雷达卫星图像驱动的机器学习工作流生成。分类模型根据来自 LUCAS（土地利用/覆盖区域框架调查）数据集的土地覆盖参考数据进行训练。该地图代表 2018 年的情况。您可以在此处阅读预印本 像素值、它们的定义和建议的十六进制颜色代码包括：0（未映射 #000000）、1（... 欧洲的土地覆盖分类，分辨率为 10 m，由 Sentinel 光学和雷达卫星图像驱动的机器学习工作流生成。分类模型根据来自 LUCAS（土地利用/覆盖区域框架调查）数据集的土地覆盖参考数据进行训练。该地图代表 2018 年的情况。您可以在此处阅读预印本 像素值、它们的定义和建议的十六进制颜色代码包括：0（未映射 #000000）、1（...
- Results from time-series analysis of Landsat images in characterizing global forest extent and change. The 'first' and 'last' bands are reference multispectral imagery ... Results from time-series analysis of Landsat images in characterizing global forest extent and change. The 'first' and 'last' bands are reference multispectral imagery ...
- 1. 基本配置 导入包和版本查询 import torchimport torch.nn as nnimport torchvisionprint(torch.__version__)print(torch.version.cuda)print(torch.backends.cudnn.version())print(torch... 1. 基本配置 导入包和版本查询 import torchimport torch.nn as nnimport torchvisionprint(torch.__version__)print(torch.version.cuda)print(torch.backends.cudnn.version())print(torch...
- 最近一直在学机器学习，但感觉学习效率低，理解不深入，所以想通过写博客总结来加深自己的理解，写一下我的理解过程， 也希望能帮到其他人。 现在过头来看，线性回归其实是机器学习最简单的算法了，所以大部... 最近一直在学机器学习，但感觉学习效率低，理解不深入，所以想通过写博客总结来加深自己的理解，写一下我的理解过程， 也希望能帮到其他人。 现在过头来看，线性回归其实是机器学习最简单的算法了，所以大部...
- 金磊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 图像分割，作为计算机视觉的基础，是图像理解的重要组成部分，也是图像处理的难点之一。 那么，如何优雅且体面的图像分割？ 5行代码、分分钟实现的库——PixelLib，了解一下。 当然，如此好用的项目，开源是必须的。 为什么要用到图像分割？ 虽然计算机视觉研究... 金磊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 图像分割，作为计算机视觉的基础，是图像理解的重要组成部分，也是图像处理的难点之一。 那么，如何优雅且体面的图像分割？ 5行代码、分分钟实现的库——PixelLib，了解一下。 当然，如此好用的项目，开源是必须的。 为什么要用到图像分割？ 虽然计算机视觉研究...
- 本文首发于微信公众号“计算机视觉cv” # Title文章标题 ImageNet classification with deep revolutional Neural Networks（也就是经典的Alexnet网络） # Summary 作者使用ImageNet更大的数据集来训练神经网络。 1、激活... 本文首发于微信公众号“计算机视觉cv” # Title文章标题 ImageNet classification with deep revolutional Neural Networks（也就是经典的Alexnet网络） # Summary 作者使用ImageNet更大的数据集来训练神经网络。 1、激活...
- Landsat 时间序列 此示例结合 了三种仪器的Landsat 表面反射图像：来自 Landsat 5 的 Thematic Mapper (TM)、来自 Landsat 7 的 Enhanced Thematic Mapper Plus (ETM+) 和来自 Landsat 8 的 Operational Land Im... Landsat 时间序列 此示例结合 了三种仪器的Landsat 表面反射图像：来自 Landsat 5 的 Thematic Mapper (TM)、来自 Landsat 7 的 Enhanced Thematic Mapper Plus (ETM+) 和来自 Landsat 8 的 Operational Land Im...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
即将直播
热门标签