范例使用SuperMap iClient for JavaScript开发模式，实现地物编辑时，弹窗增加属性值等实用功能。
2023-04-13 23:44:56
424KB
1
在山地、沙漠、黄土塬、密集城镇、水网等复杂地表区，加之高密度高效采集技术的大面积应用，造成大量的炮检点无法正常布设，常规通过实地踏勘人工偏点及利用软件按偏移规则偏点，耗时费力，且无法保证全局最优解。迫切需要利用高分辨率地表影像资料开展室内地物自动识别和物理点最优布设，以提高地震资料成像质量与施工效率。基于深度学习的人工智能施工轨迹设计课题的实现，能形成一套基于地形特征变分推断的物理点布设技术流程。以提高地震资料成像质量与施工效率。
适用大学生参考学习。
大创-大学生创新创业训练计划项目申报书-软件-基于地表影像的智能地物识别技术-参考
2022-06-22 12:05:21
464KB
1
人工智能-项目实践-语义分割-PyTorch实现高分遥感语义分割（地物分类）
膨胀预测
后处理
半监督方法：伪标签
加入tensorboardX可视化输出
遥感也许还不能预测未来，但它一定会告诉你过去和现在，以及一步步见证着未来。
2022-05-13 12:06:21
547.74MB
1.本FME模板工具示例基于FME2020.2开发，需依托于FME软件运行
2.使用者需自行安装激活2020.2或以上版本的FME软件
3.本FME模板工具针对DLG数据向CAD地形图无损转换提出一种解决方案，并针对等高线、高程点、井盖、台阶等几类有典型代表性的示例数据进行转换演示，针对给定的演示数据实现DLG数据向CAD地形图的转换，并完美实现地物符号还原。
4.本工具为数据转换解决方案的演示，并非完整的转换工具，本工具及数据转换解决方案的详细解说，详见CSDN博客，地址链接：https://blog.csdn.net/tylkhx/article/details/124640525
5.本资源包含相关示例数据及FME工具示例
2022-05-08 09:05:25
603KB
通过搞空间分辨率的多光谱和LIDAR数据，使用ecognition软件完成三个市区大面积地物分类。具有一定的学习意义。
2021-11-24 23:40:30
1.81MB
1