范例运用iObject8C.Net(SP2)组件实现了倾斜摄影模型单体化以及修改海洋水体范围的小功能。 详见附件中的范例说明.docx.
2022-04-07 13:10:00 24.27MB iObject .NET SuperMap GIS
1
智能水分析 用于实际解决方案的LTSM实现-目标是为每种水体(采集者,水泉,河流,湖泊)创建一个数学模型,以基于(噪声)在设定的时间间隔内预测每个唯一水体中的水量) 数据。 资料说明: 这项比赛使用了9个不同的数据集,这些数据集是完全独立的,彼此之间没有链接。 每个数据集可以代表不同种类的水体。 由于每个水体互不相同,因此相关特征也互不相同。 因此,例如,如果我们考虑一个水泉,我们会注意到它的特征不同于湖泊的特征。 这是正确的,并反映了每个水体的行为和特征。 Acea集团处理四种不同类型的水体:水泉(提供了三个数据集),湖泊(提供了一个数据集),河流(提供了一个数据集)和含水层(提供了四个数据集) )。 让我们看看这9个水体之间的差异。 Waterbody: Auser 类型:含水层 Description(说明):该水体由两个子系统组成,分别称为NORTH和SOUTH,其中前者部分
2022-03-01 16:43:05 92.65MB JupyterNotebook
1
三类水体中各项浓度指标限值.docx
2021-12-29 19:02:50 68KB
行业资料-制造说明-用于水体和土壤中重金属移除的可漂浮磁性中空材料的制备与应用.zip
2021-12-20 20:02:34 788KB
voc数据集,还有个人收集的未标注数据,如果需要请留言
2021-12-18 00:18:50 161.81MB 目标检测 深度学习
1
传统的水体信息提取方法难以处理包含复杂信息的大规模遥感图像。针对该问题,本次对应遥感图像与显著图建立了遥感数据分类标准,分割遥感影像中的重要信息。针对遥感影像水体信息提取的需求,改良了PCNN神经网络,建立了快速响应的PCNN神经网络模型,并实现了基于Matlab的验证平台。同时对比了PCNN神经网络模型与3种常见水体信息提取方法,可以证明PCNN神经网络在识别准确性、网络运行的效率与可靠性方面均表现优秀。
1
1987-2017年青海湖水体边界数据集,精度很高
2021-11-21 14:17:19 576KB 青海湖 shp 水体边界
1
Unity 水体涟漪动态效果。适用与船,人等移动对象在水面的移动。所产生的涟漪效果 Unity 水体涟漪动态效果。适用与船,人等移动对象在水面的移动。所产生的涟漪效果
2021-10-28 19:02:43 109B Unity 水波纹 涟漪插件
1
数据是全国水体矢量数据,最后更新时间为2021年4月21日
2021-10-12 21:01:20 173.24MB 水体 矢量 全国 ArcGIS
1