Landmark 学习手册
一、 数据加载(GeoDataLoading)…………………………...3
1、 建立投影系统……………………………………………………………..6
2、 建立OpenWorks数据库………………………………………………….6
3、 加载钻井平面位置和地质分层(pick)……………………………………6
4、 加载钻井垂直位置、时深表、测井曲线和合成地震记录……………..9
二、 常规解释流程（SeisWorks、TDQ、ZmapPlus）…...15
1、 SeisWorks解释模块的功能………………………………..16
(1)、三维震工区中常见的文件类型……………………………………..16
(2)、用HrzUtil对层位进行管理…………………………………………17
2、 TDQ时深转换模块……………………………………………………….18
(1)、建速度模型………………………..……………………………….…18
①、用OpenWorks的时深表做速度模型……………………………….18
②、用速度函数做速度模型…………………………………………….19
③、用数学方程计算ACSII速度函数文件…………………………….21
(2)、时深（深时）转换…………………………………………………..22
(3)、速度模型的输出及其应用………………………………..….………28
(4)、基准面的类型……………………………………………..….…… 29
(5)、如何调整不同的基准面……………………………………..….…...30
3 、ZmapPlus地质绘图模块…………………………………………….…….30
(1)、做图前的准备工作 ……………..……………………………..…....32
(2)、用 ASCII磁盘文件绘制平面图…… ………………………………32
(3)、用 SeisWorks解释数据绘制平面图 …………………………… ...33
(4)、网格运算……………………………………………………………. 37
(5)、井点处深度校正…………………………………………………..…37
三、 合成记录制作(Syntool)………………………..………37
1 、准备工作……..…………………………………………….………….….37
2 、启动Syntool……………………………………………………….….….37
3 、基准面信息…………………………………………………………...….38
4 、子波提取……………………………………………………………...….39
5 、应用Checkshot…………………………………………………….…….41
6 、合成地震记录的存储…………………………………………………….44
7 、SeisWelll………………………………………………………………….45
四、 迭后处理/属性提取、聚类分析(PostStack/PAL、Rave
…………………………………….…50
1、数据处理模块……………………………………………………………….52
2 、相似性预测…………………………..…………………………………….60
(1)、Fscan 相似性分析原理..……….…..…………………………………61
(2)、导致不相似的因素…. ……………..…………………………………62
3 、属性提取..………………………………………………………………….63
4 、储层特征可视化与油气预测技术………………………..……………….73
(1)、数据输入……………. ……………..…………………………………74
①、ASCII文件的输入…………………..………………………………74
②、OpenWorks井数据的输入……………………………………………74
③、SeisWorks Horizons数据的输入………………………….………75
④、回归模型的输入…………………….………………………………76
(2)、数据分析……………. ……………..…………………………………77
五、 分频解释(SpecDecomp)………………………………..82
1 、分频技术的原理..…………………………………………………… .….82
2 、分频技术的特点……….…………………………………………………83
3 、应用………………………………………………………………………..84
附：OpenWorks数据库的有关知识………………….………86
1 、关系数据库的概念………....………………………………………… ..86
2021-11-01 09:18:05
8.42MB
1
The dataset provides a large-scale benchmark for instance-level recognition and retrieval. 本数据集为大型实例识别和检索提供了基准。
Google Landmarks Dataset v2.pdf
ref1.png
2021-10-19 18:13:24
10.7MB
1
Kaggle Landmark Recognition 2020竞赛：优胜者解决方案
该存储库包含针对我们在Kaggle举办的2020年Google Landmark Recognition竞赛获奖解决方案的代码：
完整的解决方案在arxiv上发表的一篇论文中进行了描述：
为了运行此代码，您需要来自GLDv2的训练和测试数据：
要训练模型，请使用配置文件作为标志运行src/train.py ：
python train.py --config config1
您需要在相应的配置文件中调整数据路径和其他参数，以使其正常工作。
混合和排名过程在notebooks/blend_ranking.ipynb详细notebooks/blend_ranking.ipynb 。
2021-10-05 17:04:39
38KB
1
darknet_face_with_landmark
更新 torch版本：
借鉴AlexeyAB大神的 做适量修改，用于人脸检测以及关键点检测,支持ncnn推理
实现的功能
添加关键点检测分支，使用wing loss
添加 hswish,hsigmode 激活函数
Installation
Clone and install
git clone
使用scripts/retinaface2yololandmark.py脚本将retinaface的标记文件转为yolo的格式使用
其他编译训练都和原版darknet相同
测试
./darknet detector test ./data/face.data ./cfg/mbv2_yolov3_face.cfg ./models/mbv2_yolov3_face_final.weights ./test_imgs/input/se
2021-09-07 20:49:07
34.48MB
1
yolov5_face_landmark
基于yolov5的人脸检测，带关键点检测
代码说明：
1，在yolov5的检测基础上，加上关键点回归分支，请先下载yolov5的工程：
2，detect_one.py是单张图片的测试代码， 基于部分wideface训练的模型，稍后在百度云公开。
主要修改代码部分：
(1)hyp.scatch.yaml中增加关键点loss的超参数（landmark: 0.5）
(2)yolo.py中增加了关键点回归的计算
(3)face_datasets.py为人脸数据的读取方式，准备数据的格式参考yolov5的格式，在后面增加关键点的坐标（归一化）
(4) loss.py中增加关键点回归的loss计算
(5) 链接: 密码: j83n
(6) 效果图 :
关于口罩人脸的问题：
1，增加口罩人脸这个类别，建议不要直接在检测分支中增加类别。
2，应该在关键点分
2021-08-24 19:05:48
361KB
1
labelimg是我认为最好用的深度学习目标框标注工具，最近要开始标注关键点尝试了很多工具都不好用，于是我们更改了源码使得labelimg可以标注点，欢迎下载。如果您有更好用的关键点标注工具求分享~
2021-08-20 16:06:04
6.91MB
1
dat文件,具体名称为shape_predictor_68_face_landmarks.dat
人脸68个关键点：嘴巴，鼻子，眼睛，眉毛，轮廓等
Landmark人脸68个关键点检测dat模型库
2021-08-12 15:42:57
67.82MB
1
dlib.shape_predictor(shape_predictor_68_face_landmarks_dat).rar
2021-07-13 17:10:15
136.55MB
1