关于高分辨率雷达——TerraSAR-X的详细介绍,适用于需要用到该卫星的科研人员或学习人员
2021-09-22 15:00:42 9.57MB TerraSAR-X SAR gg
1
高分辨率SAR图像分析教程High Resolution SAR Based Imagery Analysis Course;TerraSAR-X产品介绍
2021-09-19 19:20:49 9.31MB 遥感 TerraSAR-X 高分辨率雷达卫星
1
利用初提取的建筑物对象和已剔除的非建筑物对象作为样本建立概率模型,根据贝叶斯准则进行建筑物后提取
2021-09-19 16:24:04 2.35MB 高分遥感影像 建筑物提取
1
livox_camera_calib livox_camera_calib是无目标环境中高分辨率LiDAR(例如Livox)和相机之间的可靠,高精度的外部校准工具。 我们的算法可以在室内和室外场景中运行,并且仅需要场景中的边缘信息。 如果场景合适,我们可以达到类似于或什至超越基于目标的方法的像素级精度。 室外校准方案的示例。 我们使用校准的外部图像对点云进行着色,并与实际图像进行比较。 A和C是点云的局部放大视图。 B和D是相机图像中与A和C中的点云相对应的部分。 源代码将很快发布。 相关论文 可在arxiv上找到的相关论文: 相关影片 相关视频: :
2021-09-17 21:28:15 2.54MB
1
TJU-DHD数据集(物体检测和行人检测) 这是“ ”的官方网站,这是一个新建的用于目标检测和行人检测的高分辨率数据集。 115k +图像和700k +实例 场景:交通和校园,任务:物体检测和行人检测 高分辨率:图像分辨率至少为1624x1200像素,物体高度从11像素到4152像素。 多样性:外观,比例,照度,季节和天气差异很大 行人检测的跨场景评估和同场景评估 如果您对行人检测感兴趣,请参阅或。 目录 2.1 2.2 3.1 3.2 4.1 4.2 4.3 TJU-DHD行人 引文 测试集评估 接触 1.简介 在自动驾驶汽车和视频监控的感知模块中,车辆,行人和骑行者是最重要和最有趣的对象。 但是,检测这种重要物体(尤其是小物体)的最新性能远远不能满足实际系统的需求。 大规模,丰富多样的高分辨率车辆和行人数据集在开发更好的目标检测方法以满足需求方面起着重要作用。 从网站收集的
1
行业分类-电子政务-一种强抗静电高分辨率ESTN液晶显示模组.zip
psf的matlab代码| | 高分辨率傅里叶光场显微镜用于体积多色活细胞成像 HRFLFM数据处理 该软件包包括数据预处理,图像背景减法,ACsN去噪算法和HR-FLFM 3D重建代码。 先决条件包括具有足够GPU内存的Nvidia GPU,Matlab 2020或更高版本,具有足够CPU内存的多核CPU。 使用DataProc4HRFLFM.mlapp文件可以有一个好的开始! PSF校正 该软件包包括生成用于3D重建的混合FLFM PSF的方法。 使用该程序之前,请确保准备好模拟的PSF和实验性PSF。 播放参数,以确保它最适合您的显微镜系统。 使用PSFCorrManual.mlapp文件有一个好的开始! 网络 请参考->
2021-09-09 15:21:13 22.63MB 系统开源
1
适合在校大学生、遥感初学者学习使用。资料包括高分辨率遥感影像处理过程文件、处理过程截图、各个处理工具的说明、ROI的选择结果、多波段数据的构建、遥感地物分类的结果。可以直接拿去作为遥感课程设计的文档,上交老师,也可以下载作为学习CART自动决策树分类的资料。
OctNet使用有效的空间分区结构(即八叉树)来减少内存和计算3D卷积神经网络的需求,从而实现高分辨率的深度学习。 这是本文的代码: , 和 我们展示了OctNet,它是稀疏3D数据的深度学习表示。 与现有模型相比,我们的表示支持深度和高分辨率的3D卷积网络。 为了实现这一目标,我们利用输入数据中的稀疏性,使用一组不平衡的八叉树来对空间进行分层划分,其中每个叶节点都存储一个池化的要素表示。 这样可以将内存分配和计算集中到相关的密集区域,并在不影响分辨率的情况下实现更深的网络。 通过分析分辨率对几个3D任务的影响,包括3D对象分类,方向估计和点云标记,我们演示了OctNet表示的实用性
2021-09-07 16:47:43 640KB python deep-learning octree torch
1
行业文档-设计装置-基于可调谐珐波利-珀罗滤波器和阵列式探测器光谱仪的超高分辨率光谱仪.zip