Crop-Classification:在卫星图像上使用深度学习对作物进行分类-源码

上传者: 42138788 | 上传时间: 2021-07-06 15:18:47 | 文件大小: 3.76MB | 文件类型: ZIP
利用多时相卫星图像进行农作物分类 该仓库提供了使用多时相卫星图像进行农作物分类的代码。 作物分类对于理解作物的供应很重要。 卫星图像有助于实时监测作物生长和健康状况。 如今,每天都有高分辨率的卫星图像。 利用高频数据和多个波段,可以使用深度学习对农作物进行分类。 有许多经典的机器学习农作物分类方法可用它使用单时间图像,并使用其结果精度相对较低作物的光谱特性和结构特性,但我们会使用由玫瑰M. Rustowicz笔者建议的方法 安装 conda create --name geo_py37 python=3.7 conda install gdal rasterio conda install numpy pandas geopandas scikit-learn jupyterlab matplotlib seaborn xarray rasterstats tqdm pytest sq

文件下载

资源详情

[{"title":"( 8 个子文件 3.76MB ) Crop-Classification:在卫星图像上使用深度学习对作物进行分类-源码","children":[{"title":"Crop-Classification-master","children":[{"title":"GDAL Installation Process <span style='color:#111;'> 253B </span>","children":null,"spread":false},{"title":"data-preprocessing.ipynb <span style='color:#111;'> 30.61KB </span>","children":null,"spread":false},{"title":"Dataset","children":[{"title":"download.txt <span style='color:#111;'> 117B </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.80KB </span>","children":null,"spread":false},{"title":"DL model","children":[{"title":"Crop_classification_DL_model.ipynb <span style='color:#111;'> 24.19KB </span>","children":null,"spread":false}],"spread":true},{"title":"NDVI based","children":[{"title":"NDVI_based.ipynb <span style='color:#111;'> 4.71MB </span>","children":null,"spread":false}],"spread":true},{"title":"test3.kml <span style='color:#111;'> 1.68KB </span>","children":null,"spread":false},{"title":"cover1.png <span style='color:#111;'> 285.73KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明