首页
学习
活动
专区
工具
TVP
发布

python与大数据分析

专栏成员
294
文章
215030
阅读量
40
订阅数
关于FastAPI文档无法显示的问题
Python调试和部署总会碰到各种各样的问题,Python的版本问题,各种包的版本问题,Python的调试和部署快成了一门玄学,这次遭遇到的是FastAPI文档界面无法显示的问题,中间也测试过几种方案。
python与大数据分析
2024-03-13
4150
QGIS文章五——对遥感影像进行土地类型分类—监督分类(dzetsaka : classification tool)
dzetsaka classfication tool是QGIS的强大分类插件,目前主要提供了高斯混合模型分类器、Random Forest、KNN和SVM四种分类器模型,相比于SCP(Semi-Automatic Classification),他的一个特点就是功能专一,操作简单。
python与大数据分析
2023-11-23
5660
QGIS文章四——对遥感影像进行土地类型分类
一、按照国家土地性质分类标准,一般分五类:商业用地、综合用地、住宅用地、工业用地和其他用地。
python与大数据分析
2023-10-06
1.7K0
关于GIS数据分类方式
GIS数据有很多种分类方式,按照数据结构可分为矢量数据、栅格数据、DEM数据,还可以再细致的分为数据库格式、点云格式、3D格式,也可以按照各厂家和标准类别来分等等。
python与大数据分析
2023-10-06
7670
QGIS文章三——模拟风暴潮水淹
之前工作中处理过风暴潮的数据,也获取到了不同等级台风水淹的DEM数据,不过还是很好奇是怎么推演出来的,最近一段时间看QGIS比较多,加上看到了一篇文章《GIS软件进行风暴潮沿海洪水建模》 ,于是简单尝试了一下,我也东施效颦了一把。
python与大数据分析
2023-10-06
3930
QGIS文章二——DEM高程裁剪和3D地形图
经常看到别人基于高程文件制作出精美的3D地图,笔者按照互联网几种制作方式进行尝试后,写的DEM高程裁剪和3D地形图教程,或许其中有一些错误的,也请指出。
python与大数据分析
2023-10-06
1.1K0
QGIS文章一——实现天地图加载
无论是农业科学还是海洋科学,对地图的处理和数值模型的计算是少不了的,地图是可视化的基础,先有了基础再进行开始某些复杂处理,进而开始模拟推演,最后进行数值模拟和计算。
python与大数据分析
2023-10-06
1.7K1
基于Yolov8网络进行目标检测(三)-训练自己的数据集
前一篇文章详细了讲解了如何构造自己的数据集,以及如何修改模型配置文件和数据集配置文件,本篇主要是如何训练自己的数据集,并且如何验证。
python与大数据分析
2023-09-18
1.7K0
基于Yolov8网络进行目标检测(二)-安装和自定义数据集
首先我们要知道YOLOv8这次发行中带的预训练模型,是是基于COCO val2017 数据集训练的结果。
python与大数据分析
2023-09-18
1.8K0
基于Yolov8网络进行目标检测(一)-介绍和预测
之前提到过目标检测模型分为两类。一类是two-stage,将物体识别和物体定位分为两个步骤分别完成,这一类的典型代表是R-CNN, fast R-CNN, faster-RCNN家族。他们识别错误率低,漏识别率也较低,但是由于网络结构参数的计算量大,导致其检测速度慢,不能满足实时检测场景。为了解决精度与速度并存的问题,另一类方式出现了,称为one-stage, 典型代表是Yolo, SSD, YoloV2等。此类方法使用基于回归方法的思想,直接在输入图像的多个位置中回归出这个位置的区域框坐标和物体类别,他们识别速度很快,可以达到实时性要求,而且准确率也基本能达到faster R-CNN的水平。
python与大数据分析
2023-09-18
1.4K0
基于Pytorch构建Faster-RCNN网络进行目标检测(一)
尽管R-CNN是物体检测的鼻祖,但其实最成熟投入使用的是faster-RCNN,而且在pytorch的torchvision内置了faster-RCNN模型,当然还内置了mask-RCNN,ssd等。既然已经内置了模型,而且考虑到代码的复杂度,我们也无需再重复制造轮子,但对模型本身还是需要了解一下其原理和过程。
python与大数据分析
2023-09-06
9150
基于Pytorch构建Faster-RCNN网络进行目标检测的一段插曲-安装GPU环境
因工作原因,原来的台式机工作站发生了变更,除了GPU显卡(NVIDIA GeForce GTX 1660显卡变成了NVIDIA Quadro P2200显卡)以外,其他配置都差不多,从网上查阅NVIDIA Quadro P2200相当于NVIDIA GeForce GTX 1660显卡。
python与大数据分析
2023-09-06
2110
图像标注版本2-多标注框
在网上能看到的图像标注版本多是图像标注版本1的代码,但图像标注不仅只保存一个标注框,通常都是多个标注框,而且要把这些标注框信息记录下来,当然代码也是在网上找到的,做了一些改动。
python与大数据分析
2023-09-04
1760
图像标注版本1-基本标注框
关于图像标注软件,业界已经有LabelImg、Labelme、VATIC、Label Studio、Prodigy、Datasaur等开源或商业的工具。
python与大数据分析
2023-09-04
2210
关于目标检测鼻祖R-CNN论文
R-CNN系列论文是使用深度学习进行物体检测的鼻祖论文,其中fast-RCNN 以及faster-RCNN都是沿袭R-CNN的思路。R-CNN全称region with CNN features,其实它的名字就是一个很好的解释。用CNN提取出Region Proposals中的featues,然后进行SVM分类与bbox的回归
python与大数据分析
2023-09-04
2320
关于图像分类、图像识别和目标检测异同
计算机视觉是人工智能领域的一个重要分支,它旨在构建能够理解和处理图像、视频等视觉信息的计算机系统。在计算机视觉领域中,图像分类、图像识别和目标检测是三个重要的任务,当然目标跟踪、图像生成也是新的方向和延伸。
python与大数据分析
2023-09-03
1.7K0
基于Pytorch构建DenseNet网络对cifar-10进行分类
DenseNet是指Densely connected convolutional networks(密集卷积网络)。它的优点主要包括有效缓解梯度消失、特征传递更加有效、计算量更小、参数量更小、性能比ResNet更好。它的缺点主要是较大的内存占用。
python与大数据分析
2023-09-03
3650
基于Pytorch构建ResNet网络对cifar-10进行分类
何凯明等人在2015年提出的ResNet,在ImageNet比赛classification任务上获得第一名,获评CVPR2016最佳论文。
python与大数据分析
2023-09-03
3850
基于Pytorch构建GoogLeNet网络对cifar-10进行分类
GoogLeNet是2014年Christian Szegedy提出的一种全新的深度学习结构,在这之前的AlexNet、VGG等结构都是通过增大网络的深度(层数)来获得更好的训练效果,但层数的增加会带来很多负作用,比如overfit、梯度消失、梯度爆炸等。inception的提出则从另一种角度来提升训练结果:能更高效的利用计算资源,在相同的计算量下能提取到更多的特征,从而提升训练结果。
python与大数据分析
2023-09-03
4170
基于Pytorch构建VGG-16Net网络对cifar-10进行分类
VGGNet发布于 2014 年,作者是 Karen Simonyan 和 Andrew Zisserman,该网络表明堆叠多个层是提升计算机视觉性能的关键因素。
python与大数据分析
2023-09-03
2790
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档