遥感数字图像处理课程设计-遥感图像监督与非监督分类，主要对于烟台市地区，包含原始数据，处理数据，以及50页的课程设计报告详细讲述了分析以及操作。以下是节选：4.1.1 图像校正
地理空间数据云下载的0云量数据已经进行过了图像大气校正，辐射校正，几何校正，不需要进一步预处理。
4.1.2 波段合成
点击“Basic Tools”—“Layer Stacking”,这时就打开了波段合成窗口，然后点击“Import file”,打开波段输入窗口。我们从中可以选择输入波段。完成波段顺序调整后，就可以直接点击“OK”,这样就会生成一个新合成的波段图像（选取波段1，2，3，4，5，7）。4.1.3 图像裁剪
由于下载的图像太大，迭代计算过于缓慢，所以需要进行裁剪。
在file/save as中，进入文件选择面板，Spatial Subset打开右侧的裁剪区域，并进行编辑。
可手动选择裁剪区域，红框为裁剪区域
图4.3 裁剪范围和大小
4.1.4 裁剪图像统计基本统计量
点击菜单Basic Tools→Statistics→Compute Statistics，对图像进行统计选中统计项目：直方图、
2023-02-20 23:16:46
445.71MB
1
matlab特征点代码
勒沃斯
来自点云数据的无监督树叶木材分类（用于样地比例数据和单棵树）
---（即将推出升级版！）---
用法
有很多使用此工具的方法。
（a）如果您已安装Matlab：
选项1.将入门级功能“
RecursiveSegmentation_release.m”称为：
“
[BiLabel，BiLabel_Regu]
=
RecursiveSegmentation_release（点，ft_threshold，paral，plot）；”
输入：
％分：这是您的nx3数据矩阵。
％ft_threshold：功能阈值。
建议使用0.125左右％paral：分段后关闭并行池（1或其他）。
绘图百分比：如果绘图结果结尾（1或其他）
输出：
％BiLabel：没有正则化的点标签％BiLabel_Regu：带正则化的点标签
选项2。在Matlab工作区中键入“
LeWoS_RS”。
这将通过调用classdef“
LeWoS_RS.m”打开一个接口。
这个classdef文件定义了接口。
选项3.将“
LeWoS.mlappinstall”拖到Matlab工作区中。
这将为您安
2023-02-20 20:32:02
12.04MB
1
利用sklearn中的红酒数据集，训练决策树分类模型并评估。利用plt实现了分类的可视化，同时用graphviz可视化了决策树的生成过程。
2023-02-20 00:44:31
137KB
1
中文新闻分类模型，利用TextCNN模型进行训练，TextCNN的主要流程是：获取文本的局部特征：通过不同的卷积核尺寸来提取文本的N-Gram信息，然后通过最大池化操作来突出各个卷积操作提取的最关键信息，拼接后通过全连接层对特征进行组合，最后通过交叉熵损失函数来训练模型。
2023-02-19 17:06:30
48.44MB
1
TimeSformer-Pytorch
实现，是一种基于关注点的纯净，简单的解决方案，可以在视频分类上达到SOTA。 该存储库将仅存储性能最佳的变体“时空分散注意力”，无非就是沿空间之前的时间轴的注意力。
安装
$ pip install timesformer-pytorch
用法
import torch
from timesformer_pytorch import TimeSformer
model = TimeSformer (
dim = 512 ,
image_size = 224 ,
patch_size = 16 ,
num_frames = 8 ,
num_classes = 10 ,
depth = 12 ,
heads = 8 ,
dim_head = 64 ,
attn_dropout =
2023-02-19 14:24:00
152KB
1
Bert作为目前自然语言处理领域最流行的技术之一，文本分类作为自然语言处理领域最常见的任务之一，Pytorch作为目前最流程的深度学习框架之一，三者结合在一起将会产生什么样的花火，本套课程基于Pytorch最新1.4版本来实现利用Bert实现中文文本分类任务，延续动手学系列课程风格，全程手敲代码，跟着杨博一行一行代码撸起来。
2023-02-19 11:18:18
461B
1