12 2019 档案
yolov3 train.py
摘要:train.py //只需要看if __name__ == '__main__'之後的代碼就可以了 import argparse import torch.distributed as dist import torch.optim as optim import torch.optim.lr_s
阅读全文
Ubuntu安裝python3.7版
摘要:https://blog.csdn.net/u014775723/article/details/85213793 failed to fetch ppa:https://blog.csdn.net/qq_26093511/article/details/78754574 https://blog.
阅读全文
光谱库
摘要:光谱库是由高光谱成像光谱仪在一定条件下测得的各类地物反射光谱数据的集合。光谱库在准确地解译遥感图像信息、快速地实现未知地物的匹配、提高遥感分类识别水平起着至关重要的作用。由于高光谱成像光谱仪产生了庞大的数据量,建立地物光谱数据库,运用先进的计算机技术来保存、管理和分析这些信息,是提高遥感信息的分析处
阅读全文
ValseWebninar 报告汇总
摘要:ValseWebninar为计算机视觉、图像处理、模式识别与机器学习等研究领域内的华人青年学者提供深入学术交流的舞台。 20191218:基于视觉和常识的深度推理 主持人: 主讲人: 20191211:见微知著——细粒度视觉识别 主持人: 主讲人: 20191204:举一反三:小样本学习新进展 主持
阅读全文
时空大数据分析之行人轨迹压缩
摘要:数据压缩:An evaluation of compression algorithms applied to moving object trajectories 数据:https://zenodo.org/record/3467012#.XfdBsfkzZPY
阅读全文
yolov3 in PyTorch
摘要:https://github.com/ultralytics/yolov3 Introduction简介 This directory contains PyTorch YOLOv3 software developed by Ultralytics LLC, and is freely avail
阅读全文
Python GDAL
摘要:https://gdal.org/ https://pypi.org/project/GDAL/ gdal whl:https://blog.csdn.net/u012581929/article/details/86473756 https://www.lfd.uci.edu/~gohlke/py
阅读全文
MapBox API
摘要:MapBox的地图API大家用过吗 用作网站或者APP的底图,就不用自己架设地图服务器了 发布自己的地图了 这跟Google Map是一样的道理,类似的还有天地图,高德,百度地图API等等。 属于前端展示部分。 https://docs.mapbox.com/mapbox-gl-js/api/
阅读全文
Python与开源GIS
摘要:https://www.osgeo.cn/pygis/ 这里列出了与 GIS 相关的 Python 开源类库与工具。 基础类库(抽象库) • GDAL/OGR 是大部分开源GIS的基础,也包括如ArcGIS、FME这样的商业软件 打开 ; • Proj.4 地图投影类库 打开; • geojson类
阅读全文
pyTerra
摘要:https://pypi.org/project/pyTerra/ pyTerra is a Python module that allows you to make requests to Microsoft’s TerraServer (http://msrmaps.com/). With i
阅读全文
AVPython:Python Support for ArcView
摘要:AVPython embeds the Python programming language within ArcView GIS 3.x. This project will also encompass efforts to build a similar bridge between Pyt
阅读全文
Libraries&Workflow for a modern geospatial processing(现代地理空间处理的库与工作流)
摘要:Libraries for a modern geospatial workflow现代地理空间工作的类库 Distribution Writing, Running, and Distributing(编写、运行和分发) Tox driven development Publishing pyth
阅读全文
Single-shot Object Detection
摘要:以下转自:http://lanbing510.info/2017/08/28/YOLO-SSD.html 在深度学习出现之前,传统的目标检测方法大概分为区域选择(滑窗)、特征提取(SIFT、HOG等)、分类器(SVM、Adaboost等)三个部分,其主要问题有两方面:一方面滑窗选择策略没有针对性、时
阅读全文
物体检测和边缘检测(目标识别和图像分割)
摘要:物体检测(识别)是计算机视觉中的经典问题之一,其任务是用框去标出图像中物体的位置,并给出物体的类别。从传统的人工设计特征加浅层分类器的框架,到基于深度学习的端到端的检测框架,物体检测一步步变得愈加成熟。 边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像
阅读全文
Generalizing from a Few Examples: A Survey on Few-Shot Learning(从几个例子总结经验:少样本学习综述)
摘要:摘要:人工智能在数据密集型应用中取得了成功,但它缺乏从有限的示例中学习的能力。为了解决这一问题,提出了少镜头学习(FSL)。利用先验知识,可以快速地从有限监督经验的新任务中归纳出来。为了全面了解FSL,我们进行了一项调查研究。我们首先要澄清对FSL的正式定义。进而得出不可靠经验风险最小化是FSL的核
阅读全文
Omniglot data set for one-shot learning(单样本学习数据集Omniglot)
摘要:https://github.com/brendenlake http://www.imooc.com/article/details/id/258879
阅读全文
迁移学习、元学习和强化学习的区别和联系
摘要:迁移学习是包括fine tune等。用于近似任务的迁移。有局限性。 元学习是自动寻找学习参数。学习学习的规律。 强化学习是增强学习,对于新任务。 图像分类和图像识别的区别和联系:https://blog.csdn.net/kk123k/article/details/86584216 图像分类、识别
阅读全文
Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(用于深度网络快速适应的元学习)
摘要:摘要:我们提出了一种不依赖模型的元学习算法,它与任何梯度下降训练的模型兼容,适用于各种不同的学习问题,包括分类、回归和强化学习。元学习的目标是在各种学习任务上训练一个模型,这样它只需要少量的训练样本就可以解决新的学习任务。在我们的方法中,模型的参数被显式地训练,使得少量的梯度步骤和少量的来自新任务的
阅读全文
[机器学习]Fine Tune
摘要:Fine Tune顾名思义,就是微调。在机器学习中,一般用在迁移学习中,通过控制一些layer调节一些layer来达到迁移学习的目的。这样可以利用已有的参数,稍微变化一些,以适应新的学习任务。所以说,微调不能适应变化太大的任务迁移。 https://blog.csdn.net/u013841196/
阅读全文