- 计算机视觉算法中的图像分割（Image Segmentation）引言图像分割是计算机视觉领域中的一个重要任务，它旨在将一幅图像分割成多个具有语义意义的区域。图像分割在许多应用中都有着广泛的应用，例如目标检测、图像编辑、图像增强等。本文将介绍图像分割的基本概念、常用的分割方法以及在实际应用中的一些挑战。基本概念图像分割的目标是将一幅图像划分成不同的区域，每个区域具有相似的特征。这些区域可以是... 计算机视觉算法中的图像分割（Image Segmentation）引言图像分割是计算机视觉领域中的一个重要任务，它旨在将一幅图像分割成多个具有语义意义的区域。图像分割在许多应用中都有着广泛的应用，例如目标检测、图像编辑、图像增强等。本文将介绍图像分割的基本概念、常用的分割方法以及在实际应用中的一些挑战。基本概念图像分割的目标是将一幅图像划分成不同的区域，每个区域具有相似的特征。这些区域可以是...
- 高分六号卫星是一颗低轨光学遥感卫星，发射于2018年6月2日，和高分一号、资源三号、高分一号B/C/D星，共同组成了我国2米分辨率卫星群。该卫星配置2米全色/8米多光谱高分辨率相机、16米多光谱中分辨率宽幅相机。具有高分辨率、宽覆盖、高质量和高效成像等特点，能有力支撑农业资源监测、林业资源调查、防灾减灾救灾等工作，为生态文明建设、乡村振兴战略等重大需求提供遥感数据支撑。ChatGPT最强竞... 高分六号卫星是一颗低轨光学遥感卫星，发射于2018年6月2日，和高分一号、资源三号、高分一号B/C/D星，共同组成了我国2米分辨率卫星群。该卫星配置2米全色/8米多光谱高分辨率相机、16米多光谱中分辨率宽幅相机。具有高分辨率、宽覆盖、高质量和高效成像等特点，能有力支撑农业资源监测、林业资源调查、防灾减灾救灾等工作，为生态文明建设、乡村振兴战略等重大需求提供遥感数据支撑。ChatGPT最强竞...
- 一、概述 仿射变换，即在二维平面内，对象进行平移(Translation)、缩放（Scale）、翻转（Flip）、旋转（Rotation）和斜切(Shear)等操作。仿射变换可以保持原来的线共点、点共线的关系不变；保持原来相互平行的线仍然平行；保持原来的中点仍然是中点；保持原来在一直线上几段线段之间的比例关系不变；但不能保持原来的线段长度和夹角角度不变。二、仿射变换类型 仿射变换有：平移、旋... 一、概述 仿射变换，即在二维平面内，对象进行平移(Translation)、缩放（Scale）、翻转（Flip）、旋转（Rotation）和斜切(Shear)等操作。仿射变换可以保持原来的线共点、点共线的关系不变；保持原来相互平行的线仍然平行；保持原来的中点仍然是中点；保持原来在一直线上几段线段之间的比例关系不变；但不能保持原来的线段长度和夹角角度不变。二、仿射变换类型 仿射变换有：平移、旋...
- 本错误涵盖了好多错误，主要的原因就是函数不明确，不知道如何使用，以及函数的参数的设定，所以这里大家要先去看函数，另外，最主要的问题就是影像集合和影像要区分开，否则就会出现xxx is nor a function。这里我们用要注意！！！提示：Line 9: image.select(...).rgbToHsv is not a function错误： 原始代码：var roi = ... 本错误涵盖了好多错误，主要的原因就是函数不明确，不知道如何使用，以及函数的参数的设定，所以这里大家要先去看函数，另外，最主要的问题就是影像集合和影像要区分开，否则就会出现xxx is nor a function。这里我们用要注意！！！提示：Line 9: image.select(...).rgbToHsv is not a function错误： 原始代码：var roi = ...
- @TOC 1、原理理解:satisfied: GAN的数学原理（基于李宏毅教授的视频理解）:christmas_tree: 详解文本生成图像的仿射变换模块（Affine Transformation）和条件批量标准化（CBN） 2、综述阅读笔记1、《Adversarial Text-to-Image Synthesis: A Review》2021年最新综述，文章较长，阅读笔记分了三部分，:... @TOC 1、原理理解:satisfied: GAN的数学原理（基于李宏毅教授的视频理解）:christmas_tree: 详解文本生成图像的仿射变换模块（Affine Transformation）和条件批量标准化（CBN） 2、综述阅读笔记1、《Adversarial Text-to-Image Synthesis: A Review》2021年最新综述，文章较长，阅读笔记分了三部分，:...
- Layout XLM在Layout LM V2的基础上，优化文本编码，模型不需要一个训练好的图像提取模型，实现整体预训练的端到端转化、模型结构整体结构与LayoutLM V2 类似，只是改变了图片编码的方式text embedding：采用bert类似的文本向量化方法image embedding：摆脱传统的基于R-CNN的训练好的模型，直接将图片resize到固定尺寸，然后切割patch，... Layout XLM在Layout LM V2的基础上，优化文本编码，模型不需要一个训练好的图像提取模型，实现整体预训练的端到端转化、模型结构整体结构与LayoutLM V2 类似，只是改变了图片编码的方式text embedding：采用bert类似的文本向量化方法image embedding：摆脱传统的基于R-CNN的训练好的模型，直接将图片resize到固定尺寸，然后切割patch，...
- Layout LM V2 在Layout LM V1的基础改变模型结构，讲视觉信息与文本信息通过attention进行融合编码， 提升信息融合的效率。模型结构以文本、布局、图像作为输入，建模交叉模态：文本编码：采用BERT类似的编码方式视觉编码：采用ResNeXt-FPN编码版面编码：多模态信息融合：预训练数据集：MVLM, Masker Visual-Language Model: 随机一... Layout LM V2 在Layout LM V1的基础改变模型结构，讲视觉信息与文本信息通过attention进行融合编码， 提升信息融合的效率。模型结构以文本、布局、图像作为输入，建模交叉模态：文本编码：采用BERT类似的编码方式视觉编码：采用ResNeXt-FPN编码版面编码：多模态信息融合：预训练数据集：MVLM, Masker Visual-Language Model: 随机一...
- 模型结构介绍主模型结构：使用BERT作为backbone，加入2-D绝对位置信息，图像信息，分别捕获token在文档中的相对位置以及字体、文字方向、颜色等视觉信息。Layout系列模型（LayoutLM,LayoutLMv2,LayoutXLM）2D位置嵌入：文档页面视为坐标系统（左上为原点）， 使用2张embedding table构造4种位置嵌入，横纵轴各使用1张嵌入表；图像嵌入：将文档... 模型结构介绍主模型结构：使用BERT作为backbone，加入2-D绝对位置信息，图像信息，分别捕获token在文档中的相对位置以及字体、文字方向、颜色等视觉信息。Layout系列模型（LayoutLM,LayoutLMv2,LayoutXLM）2D位置嵌入：文档页面视为坐标系统（左上为原点）， 使用2张embedding table构造4种位置嵌入，横纵轴各使用1张嵌入表；图像嵌入：将文档...
- 今天分享一个非常有趣的GEE加载图片的功能，但是值得注意的是，这里的图片都智能来源于特定的网站（https://fonts.google.com/icons）这个网站的主要内容：材料符号是我们最新的图标，在一个单一的字体文件中整合了超过2500个字形，具有广泛的设计变体。符号有三种风格和四种可调整的可变字体风格（填充、重量、等级和光学尺寸）。进入网站后选择我们所需的标签，然后再顶部选择链接... 今天分享一个非常有趣的GEE加载图片的功能，但是值得注意的是，这里的图片都智能来源于特定的网站（https://fonts.google.com/icons）这个网站的主要内容：材料符号是我们最新的图标，在一个单一的字体文件中整合了超过2500个字形，具有广泛的设计变体。符号有三种风格和四种可调整的可变字体风格（填充、重量、等级和光学尺寸）。进入网站后选择我们所需的标签，然后再顶部选择链接...
- 本次开发教程是基于太湖生态环境智能监测系统，这个我们首先预加载我们所选的研究区，这次研究区是在太湖研究区，首秀按需要转化为几何，预加载持续时间，颜色图层预设，波段（MODIS、Landsat的QA波段去云函数）去云效果，然后UI界面的设定，这个界面非常长，所以设定了很多label标签、复选框、按钮和textbox，当然每一个部分都在一个面板，最后就是程序的嵌套和各个部分的，本此APP主要分为... 本次开发教程是基于太湖生态环境智能监测系统，这个我们首先预加载我们所选的研究区，这次研究区是在太湖研究区，首秀按需要转化为几何，预加载持续时间，颜色图层预设，波段（MODIS、Landsat的QA波段去云函数）去云效果，然后UI界面的设定，这个界面非常长，所以设定了很多label标签、复选框、按钮和textbox，当然每一个部分都在一个面板，最后就是程序的嵌套和各个部分的，本此APP主要分为...
- 本次app是一个水体变化频率的变化监测，这个UI界面的设计中首先是标题，然后就是区域水体变化及监测的范围和时间选择，以及我们所选择监测的指数，NDWI，ADWI，MNDWI，随机森林的结果。这里面有一个非常大的限制，虽然再APP中有注释，注：虽然随机森林的提取最好，但是运算量大，计算时间长，可能会报错，请用户合理选择，但是选择其它指数的计算依旧无法现象。这里的归一化植被指数的结果：norm... 本次app是一个水体变化频率的变化监测，这个UI界面的设计中首先是标题，然后就是区域水体变化及监测的范围和时间选择，以及我们所选择监测的指数，NDWI，ADWI，MNDWI，随机森林的结果。这里面有一个非常大的限制，虽然再APP中有注释，注：虽然随机森林的提取最好，但是运算量大，计算时间长，可能会报错，请用户合理选择，但是选择其它指数的计算依旧无法现象。这里的归一化植被指数的结果：norm...
- 我们首先加载我们之前所分类后的结果，然后利用一个函数进行设添加属性，将type的分类分成1，2，3，然后将三者结合在一起，sampleRegions(collection,properties,scale,projection,tileScale,geometries)从Image中随机采样，返回结果是一个FeatureCollection，FeatureCollection下的每一个Fe... 我们首先加载我们之前所分类后的结果，然后利用一个函数进行设添加属性，将type的分类分成1，2，3，然后将三者结合在一起，sampleRegions(collection,properties,scale,projection,tileScale,geometries)从Image中随机采样，返回结果是一个FeatureCollection，FeatureCollection下的每一个Fe...
- GFSAD1000：农田范围 1km 多研究作物，全球粮食支持分析数据数据集可用性2010-01-01T00:00:00Z–2010-01-01T00:00:00数据集提供者全球粮食安全支持分析数据在 30m 项目 (GFSAD30)地球引擎片段ee.Image("USGS/GFSAD1000_V1") GFSAD 是 NASA 资助的一个项目，旨在提供高分辨率的全球农田数据及其用水情况，... GFSAD1000：农田范围 1km 多研究作物，全球粮食支持分析数据数据集可用性2010-01-01T00:00:00Z–2010-01-01T00:00:00数据集提供者全球粮食安全支持分析数据在 30m 项目 (GFSAD30)地球引擎片段ee.Image("USGS/GFSAD1000_V1") GFSAD 是 NASA 资助的一个项目，旨在提供高分辨率的全球农田数据及其用水情况，...
- MERIT Hydro 是一个新的全球流向图，分辨率为 3 弧秒（赤道约 90 m），源自 MERIT DEM 高程数据和水体数据集（G1WBM、GSWO 和 OpenStreetMap）的 1.0.3 版。MERIT Hydro 包含一种新算法的输出，该算法通过将实际内陆流域与由输入高程数据错误引起的噪声分离，几乎自动地提取河网。经过最少的手工编辑，构建的水文地图在流量聚集区域和流域形状... MERIT Hydro 是一个新的全球流向图，分辨率为 3 弧秒（赤道约 90 m），源自 MERIT DEM 高程数据和水体数据集（G1WBM、GSWO 和 OpenStreetMap）的 1.0.3 版。MERIT Hydro 包含一种新算法的输出，该算法通过将实际内陆流域与由输入高程数据错误引起的噪声分离，几乎自动地提取河网。经过最少的手工编辑，构建的水文地图在流量聚集区域和流域形状...
- 今天看到一篇文章讲述了对于土地分类的自动化处理的过程，非常实用，而且你只需要将你的研究区进行放图即可，剩下的就是一键run就能获得1986-2020年的影像，当然这里作者去除了2012年因为色差条带产生的影像。 如果你想加入2012年的影像需要将代码改一下，整体的改动幅度不会太大，就是加入一个集合，剩下的就是弄到融合所有影像集合就欧克。这个程序住主程序部分不是很... 今天看到一篇文章讲述了对于土地分类的自动化处理的过程，非常实用，而且你只需要将你的研究区进行放图即可，剩下的就是一键run就能获得1986-2020年的影像，当然这里作者去除了2012年因为色差条带产生的影像。 如果你想加入2012年的影像需要将代码改一下，整体的改动幅度不会太大，就是加入一个集合，剩下的就是弄到融合所有影像集合就欧克。这个程序住主程序部分不是很...
上滑加载中
推荐直播
-
华为云 x DeepSeek：AI驱动云上应用创新2025/02/26 周三 16:00-18:00
华为云 AI专家大咖团
在 AI 技术飞速发展之际，DeepSeek 备受关注。它凭借哪些技术与理念脱颖而出？华为云与 DeepSeek 合作，将如何重塑产品与应用模式，助力企业数字化转型？在华为开发者空间，怎样高效部署 DeepSeek，搭建专属服务器？基于华为云平台，又该如何挖掘 DeepSeek 潜力，实现智能化升级？本期直播围绕DeepSeek在云上的应用案例，与DTSE布道师们一起探讨如何利用AI 驱动云上应用创新。
回顾中
热门标签