场景介绍:通过比对受灾地区前后的卫星影像,标注出守在建筑和判断地区受灾程度,帮助救援资源的合理调配。
向AI转型的程序员都关注了这个号👇👇👇 机器学习AI算法工程 公众号:datayx 农作物的资产盘点与精准产量预测是实现农业精细化管理的核心环节。当前,我国正处于传统农业向现代农业的加速转型期,伴随着农业的转型升级,政府宏观决策、社会各界对农业数据的需求不断增加,现有农业统计信息的时效性与质量,已不足以为市场各主体的有效决策提供科学依据。在农作物资产盘点方面,传统的人工实地调查的方式速度慢、劳动强度大,数据采集质量受主观因素影响大,统计数据有较大的滞后性,亟待探索研究更高效准确度更高的农业调查统计技术。
全球谷歌-微软开放式建筑数据集 该数据集整合了谷歌 V3 开放式建筑和微软最新的建筑足迹,包含 2,534,595,270 个惊人的足迹。截至 2023 年 9 月,它已成为最全面的开放式数据集。该数据集涵盖 92% 的 0 级行政边界,分为 182 个分区。每个足迹都明确标注了其来源,指出是来自谷歌还是微软。该数据集可以 GeoParquet、FlatGeobuf 和 PMTiles 等云原生地理空间格式访问,为各种应用提供了强大的资源。更多详细信息,包括该数据集的综合信息和方法,可分别在此处和此处查看。Source Cooperative
该数据集包括美国 50 个州 124,885,597 个计算机生成的建筑物覆盖区,并且该数据可以免费下载和使用。
汽车要实现真正的无人驾驶,它必须能够感知和识别周围的物体,并且要知道自己的确切位置。这两方面都是无人驾驶技术的核心。 英国剑桥大学的一个团队利用图像识别和深度学习技术在这两个方面取得了一定的突破。他们
在农业场景,主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。作物管理,主要提供作物选择,施肥建议,使得作物免受恶劣天气影响等;害虫和杂草处理,即识别害虫和杂草,提供处理害虫和杂草的相关建议,推测害虫行进路线和繁殖规模和速度,推测杂草的生长状态和发展等;疾病管理,即预测、识别分类作物病害;土壤和作物管理,包括评估作物表面土壤湿度,预测天气,结合天气预测结果进行灌溉等;产量预测和管理,根据气候,季节等因素提供最佳播种时间建议,并预测最佳收成时间和最终产量等。其主要运用的AI技术最开始是基于规则的专家系统,发展到后来的模糊推理系统和人工神经网络的结合。主要涉及模式识别,图像识别等。
(3)检测作物是否发生病虫害,因为当作物出现病虫害时都会有相应的表现现状。具体见链接http://www.aiweibang.com/yuedu/153474153.html
Geobuilding是一款GIS数据生产工具,可以制作点线面、无缝地理网格、矢量建筑物含高度GIS数据、城市漫游规划设计。支持对已有数据的修改标注。可导出geojson shapefile osm svg格式
赛题以计算机视觉为背景,要求选手使用给定的航拍图像训练模型并完成地表建筑物识别任务。为更好的引导大家入门,我们为本赛题定制了学习方案和学习任务,具体包括语义分割的模型和具体的应用案例。在具体任务中我们将讲解具体工具和使用和完成任务的过程。
作者:神经星星 来源:HyperAI超神经 场景描述:连续多日的暴雨给郑州和河南部分城市,带来了严重的洪涝灾害,牵动了全国人民的心。灾难面前,现阶段的科技和具体解决方案,也能发挥出关键作用。 关键词:自然灾害 、遥感影像、 图像识别 从 7 月 18 日到今天,河南出现罕见持续强降水天气过程,其中郑州成为降雨量最大的地级市。全市普降大暴雨、特大暴雨,累积平均降水量449毫米,日降水量和小时降水量,都超过了有气象记录以来极值,让全国人民都为之关注与担忧。 其中,仅郑州大学第一附属医院,因贵重设备、精密仪器如
人工智能(AI)可以加快在大规模洪涝气象灾害下识别被淹没建筑物的过程,使紧急救援人员能够有效地指挥救助。目前,来自日本东北大学(Tohoku University)的一个研究小组开发了一个机器学习(ML)模型,该模型主要使用新闻媒体照片,在灾难发生后24小时内实现被淹没的建筑物的准确识别。
ArcGIS Pro 近期更新了三个非常好的教程,每个都展示了 ArcGIS Pro 强大的地理信息系统(GIS)功能。下面是这些教程的介绍,它们不仅各具特色,还非常实用。
当地时间 6.18-22 日,CVPR 2018 将在美国盐湖城举办。目前距离大会开幕还有四个月,随着春节期间大会主办方公布接收论文名单,引来大家对 CVPR 的讨论狂潮。除了对接收论文的讨论和学习,其实还有一个议程也不容大家错过,那就是 workshop 上各式各样的比赛了。 从大会官网上可以看到,今年的 workshop 涉及到多个议题,比如伪装人脸识别、低功耗图像识别、图像压缩、系统鲁棒性分析、自动驾驶、嵌入式视觉等等多个方面,而针对这些议题,也涌现出许多有意思的比赛。这些 workshop 上的比赛
通过自建摄像头或利用辖区现有监控摄像头,利用人工智能技术,通过深度学习算法,系统能够全天候自动识别和采集城管违章行为,实现店外经营智能分析、无证游商智能分析、乱堆物堆料智能分析、暴露垃圾等场景的智能分析,从而低成本、高效率、自动、快速、准确地采集和上报问题。
本文为《通过深度学习了解建筑年代和风格》论文复现的第二篇——下载和预处理建筑足迹数据集,主要是下载研究区域的建筑风格和建筑年代数据,然后提取163210条阿姆斯特丹的建筑足迹数据,用于后续获取街景图像。
近日,微软在github上发布了最新的数据集,补充发布7.7亿个全球建筑物图斑。小助手立马去看了下,建筑矢量是从Bing Maps上提取的,下面一起看看数据情况。文末有数据下载链接。
其中一张是用Deepfake生成的虚假图像——“北京style”的华盛顿州塔科马市。
来源:HyperAI超神经 本文约1500字,建议阅读5分钟 连续多日的暴雨给郑州和河南部分城市,带来了严重的洪涝灾害,牵动了全国人民的心。灾难面前,现阶段的科技和具体解决方案,也能发挥出关键作用。 关键词:自然灾害 遥感影像 图像识别 从 7 月 18 日到今天,河南出现罕见持续强降水天气过程,其中郑州成为降雨量最大的地级市。全市普降大暴雨、特大暴雨,累积平均降水量449毫米,日降水量和小时降水量,都超过了有气象记录以来极值,让全国人民都为之关注与担忧。 其中,仅郑州大学第一附属医院,因贵重设备、精密仪器
大数据文摘出品 今年全球经济形势都不太好,各国政府好像都挺缺钱的。 税收,就成了重中之重。 在欧元区国家,如果你想改善你的房屋,做一些可以提高房产的价值的改造,例如增加一个阁楼或游泳池,那么政府增加房主缴纳的税收。 比如,一个30平方米的游泳池可能会让你每年多交200欧元的税,人们被要求申报这些类型的改造。 当然,因为这是需要主动申报的,所以很多人都瞒着不报,以避免支付更多的税。 现在情况有了变化。 为了抓到修自己房子但是逃税的人,法国税务的9个部门测试了一款新系统,从航拍照片中自动找到未申报的游泳池。 法
场景描述:连续多日的暴雨给郑州和河南部分城市,带来了严重的洪涝灾害,牵动了全国人民的心。灾难面前,现阶段的科技和具体解决方案,也能发挥出关键作用。
机器学习(ML)和人工智能(AI)在绘图计算领域的应用正在改变传统的设计和绘图方式。通过自动化设计生成、图像识别和增强现实等技术,AI和ML提高了绘图的效率和精度。本案例分析将探讨机器学习和人工智能对未来绘图计算的影响,并提供实际案例和代码示例展示其应用。
【新智元导读】移动AI,尤其是智能手机上的计算机视觉应用,已经成为人们生活中重要的一部分。本文将会从最新趋势、未来机会、用户将如何使用手机上的AI等方面进行分析。本人作者是PicsArt的联合创始人兼
数据集在计算机科学和数据科学中发挥着至关重要的作用。它们用于训练和评估机器学习模型,研究和开发新算法,改进数据质量,解决实际问题,推动科学研究,支持数据可视化,以及决策制定。数据集提供了丰富的信息,用于理解和应用数据,从而支持各种应用领域,包括医疗、金融、交通、社交媒体等。正确选择和处理数据集是确保数据驱动应用成功的关键因素,对于创新和解决复杂问题至关重要。因此,数据集不仅是技术发展的基础,也是推动科学进步和社会决策制定的强大工具。
建筑作为人类生活不可分割的一部分,在城市管理和城市分析领域至关重要。为了促进大规模城市规划应用,获取完整可靠的建筑数据势在必行。目前有一些公开产品可以提供大量建筑数据,如微软和开放街道地图。但在东亚地区,由于建筑物分布较为复杂,辅助数据匮乏,这些地区的建筑数据比较缺乏,阻碍了东亚地区的大规模应用。一些研究试图利用当地不完整的建筑足迹数据,通过回归模拟大规模的建筑分布信息。然而,对不准确建筑数据的依赖会带来累积误差,使这种模拟数据极不可靠,导致在东亚地区实现精确研究受到限制。因此,我们针对东亚地区建筑物的复杂性,提出了一个全面的大规模建筑物绘图框架,并在东亚 5 个国家的 2,897 个城市进行了建筑物足迹提取,获得了 281,093,433 栋建筑物的大量数据集。评估结果表明,我们的建筑产品是有效的,总体平均准确率为 89.63%,F1 得分为 82.55%。此外,与现有产品的比较进一步显示了我们的建筑数据的高质量和完整性。最后,我们对建筑数据进行了空间分析,揭示了其在支持城市相关研究方面的价值。本文数据可从http:// https://doi.org/10.5281/zenodo.8174931下载。
王小新 编译自 Kaggle 量子位 出品 | 公众号 QbitAI 在2016年12月至2017年3月期间,Kaggle网站举办了一场对英国国防科学与技术实验室(DSTL)提供的卫星图像进行场景特
---- 新智元报道 编辑:袁榭 拉燕 【新智元导读】从自动识别街牌、到自动删除诈骗信息,谷歌地图这个项目现在越发依赖于机器学习的工具。 遏制不良网络动态的未来,掌握在机器学习的手中。 在搜索业巨擘谷歌的手中,机器学习工具在2021年通过监管谷歌地图上的违规行为,得到了真正的锻炼。 谷歌地图团队表示:「我们的团队致力于让真人用户在地图上发布的内容尽量可靠,并基于现实世界的亲身体验。这项工作有助于保护企业免受欺凌和诈骗,并确保评论对用户有帮助。这个内容政策旨在防止我们的平台上出现误导性、虚假性和辱
Facebook AI研究人员已经开发出一种方法来分析卫星图像,确定一个地区在遭遇火灾和洪水等自然灾害后,受到破坏的程度。在自然灾害发生后,该方法可以帮助应急人员识别受影响最严重的地区。
从商业到工业设计,再到娱乐等一列领域,人工智能正在提供新的机遇。那么,土木工程和城市规划又会如何?机器学习和深度学习将如何帮助我们创建更安全、更具可持续、更具弹性的建筑环境。
Facades数据集是一个用于图像分割任务的数据集,其中包含了建筑物外墙的图像和相应的二值分割图像。该数据集旨在帮助研究人员和开发者进行建筑物分割相关的算法研究和模型训练。
据外媒Venturebeat报道,Nvidia正在加利福尼亚州圣克拉拉市建设其新总部,整幢大楼的外观呈三角形状,建成后这里将成为该公司的核心。这座造价3.7亿美金的建筑反映了硅谷的发展趋势,最成功的科
来源:机器学习AI算法工程、知乎@Now more本文约5500字,建议阅读15分钟本文为你介绍 以薏仁米作物识别以及产量预测为比赛命题,及对对应获奖的开发算法模型。 农作物的资产盘点与精准产量预测是实现农业精细化管理的核心环节。当前,我国正处于传统农业向现代农业的加速转型期,伴随着农业的转型升级,政府宏观决策、社会各界对农业数据的需求不断增加,现有农业统计信息的时效性与质量,已不足以为市场各主体的有效决策提供科学依据。在农作物资产盘点方面,传统的人工实地调查的方式速度慢、劳动强度大,数据采集质量受主观因素
传统倾斜摄影建模对建筑物复杂区域会出现大面积拉花现象,这是难以避免的。也是光学影像建模的劣势。而结合激光雷达电云建模,可以赋予模型更精细的纹理,再加上原本倾斜摄影的贴图,可以达到精细化建模的成果。
“机器学习”一词的火爆程度无需多言,今年ChatGPT的火爆让每一个都了解到了“人工智能”的巨大潜力。虽然你或多或少接触到“机器学习”、“人工智能”、“深度学习”这些概念,但是依旧会觉得很模糊,容易混淆。
“人脸识别”作为人工智能的应用之一,近些年随着技术发展,已逐步渗透到日常生活的方方面面。
近年来,随着我国“数字城市”向“智慧城市”的不断转型升级,以二维矢量数据为主的 GIS 应用已经难以满足当前的需求,一种所见即所得、更加直观的城市三维实景模型逐渐成为大众热衷的表达方式。
基于人工智能和深度学习方法的现代计算机视觉技术在过去10年里取得了显著进展。如今,它被用于图像分类、人脸识别、图像中物体的识别、视频分析和分类以及机器人和自动驾驶车辆的图像处理等应用上。
图像识别市场估计将从2016年的159.5亿美元增长到2021年的389.2亿美元,在2016年至2021年之间的复合年增长率为19.5%。机器学习和高带宽数据服务的使用进步推动了这项技术的发展。 。电子商务,汽车,医疗保健和游戏等不同领域的公司正在迅速采用图像识别。根据MarketsandMarkets的报告,图像识别市场分为硬件,软件和服务。以智能手机和扫描仪为主的硬件部分可以在图像识别市场的增长中发挥巨大作用。越来越需要具有创新技术(例如监控摄像头和面部识别)的安全应用程序和产品。
全球最大的仿真游戏《微软模拟飞行2020》本周正式上线。这款游戏还原了全球200万个城镇、15亿座建筑物和3.7万个机场,让玩家感受到真实世界里开飞机的感觉。
随着时代的发展,生活质量的提高,汽车是现代生活的必需品。汽车保有量日益增多,势必会带来停车难、停车管理难的问题。传统IC/ID取卡票的方式虽然看似一个简单的动作,当车流量较大时就会造成停车场出入口的拥堵,给人们停车带来不便,浪费大量的停车时间;停车场票箱内卡容量有限,需要停车场管理人员不停地往票箱内放置卡片,而对于车主来说,由于卡片的保存不当,丢卡的现象时常出现。一旦卡片丢失,整个停车记录就无法核对,给停车场管理带来一些麻烦。
城市白模数据是数字孪生城市重要的基础数据组成部分。不少做数字孪生的开发者经常因为没有建筑物数据而困惑,下面列觉了四种获取建筑物白模数据的方法。
本文为《通过深度学习了解建筑年代和风格》论文复现的第三部分——获取阿姆斯特丹高质量街景图像的上篇,主要讲了如何获取利用谷歌街景地图自动化获取用于深度学习的阿姆斯特丹的高质量街景图像,此数据集将用于进行建筑年代的模型训练[1]。
虽然只有可回收物、有害垃圾、干垃圾和湿垃圾四种分类,但面对现实生活中“丰富多彩”的垃圾,市民们还是被搞得“晕头转向”、“丈二和尚摸不着头脑”。
导航地图近十年已经发生了翻天覆地的变化。上世纪90年代,我们还在用纸质地图寻找目的地。而现在基本只需要服从Siri或她的谷歌竞争对手的导航指令。 “地面真相”(Ground Trut)算法和街景服务 不过这些导航指令背后隐藏着大多数人无法想象的众多数据。目前由于谷歌已经获得了极其庞大的地图数据,他们开始采用大数据方法,或谷歌称之为“地面真相”的算法和细致的人工努力相结合的方法,为用户提供更详尽的地图信息。该项目于2008年推出,但它一直处于保密状态,直到几年前才公开。它持续增长,现已覆盖51个国家。这一算法
智能手机通常使用AI来帮助我们拍摄更清晰的照片。但是,如果可以使用这些AI工具从头开始创建整个场景呢?
GTC(Google’s Global Technology Conference)是一个面向全球AI开发者的会议,它每年都会在不同的城市举办。该会议旨在为AI领域的专家和从业者提供一个交流和合作的平台,探讨最新的AI技术和应用,并促进AI领域的创新和发展。
音乐天才周杰伦是众多歌迷的偶像,李彦宏则是IT男心中的榜样:用技术改变世界。分别来自娱乐界和互联网界的两人之间本来很难联系到一起,近日却在一档全新的智力节目上相遇——《最强大脑》。这个节目邀请一些脑力出众的人,在节目中现场展示自己在记忆力、抽象能力等方面的特长。首期节目邀请的四位选手分别表演了肉眼识图、钢琴听辨、过目不忘和空间投射等能力。时下,智慧型综艺节目时下正在悄然兴起,例如CCTV《汉字听写大会》、同为江苏卫视的《一站到底》答题秀。 为科技布道,让更多人信仰技术 作为全球最大中文搜索引擎百度
遥感技术已成为获取地表覆盖信息最为行之有效的手段,已经成功应用于地表覆盖检测、植被面积检测和建筑物检测任务。本文以天池学习赛地表建筑物识别为例,对语义分割类项目的实践全流程进行了解析。具体流程如下:
先从 QGIS 中下载了苏州市部分主城区的天地图图像,参考系为3857,空间分辨率为0.5米,共1.6G。
📷 吴恩达导师、伯克利大学教授Micheal I. Jordan在近期接受大数据文摘访问时,描绘了这样一个认知物联网的应用场景:在网上下单买一台冰箱运到北美,并确保其在一周内送到。 这件司空见惯的小事绝没有听起来那么简单。 首先,这台冰箱不能在下单的时候才从印度装船,企业需要考虑,怎样才能保证5个月前冰箱已经被造出来,并被送到正确的地址;其次,企业需要考虑意外情况出现,比如印度洋上遇上了台风,船只不能运作了,怎么办? 满足这些需求要大量的数据支持和精密的计算。人类无法做这些规划,但统计学和
2022年上半年,源自一个n线城市的三维城市可视化项目。但是建筑物数据是几乎是空白,问了几家公司费用数万,于是设计了geobuilding这款工具,解决了建筑物数据缺失的问题,保障了项目进度和交付任务。
领取专属 10元无门槛券
手把手带您无忧上云