基于对象的CNN(OCNN)用于卫星图像语义标记 OCNN的目标是为卫星图像的语义标记提供一种快速,准确的方法,同时保留有关地理实体的详细信息。 它旨在易于实施,以支持卫星图像映射和基准研究评估。 如果您认为这有帮助,请引用我们的作品 此外,我们还要感谢Thomas Blaschke教授,Stefan Lang教授,Dirk Tiede教授以及OBIA小组成员的宝贵建议。 笔记: 基于对象的CNN(OCNN)已经集成了逐像素CNN(PCNN)策略,因此我们放弃了Matlab版本的PCNN,因为它的效率似乎有点低。 要使用OCNN代码,您可能需要确保已经满足必要的环境。 相关的模块或软件包是: 张量流 cv2 泡菜 还应安装其他基本模块,例如numpy,scipy,PIL。 整体结构(这是原型,所以可能看起来有些碎裂): |-OCNN_main.py (improtant!)
2022-10-05 15:30:29 975KB satellite-imagery semantic-mapping ocnn Python
1
AVP-SLAM-SIM 基本实现仿真 。 尊重AVP-SLAM项目->童琴,陈同庆,陈以伦和苏青 AVP-SLAM-SIM 基本实现仿真! ·· 目录 关于该项目 代码结构 怎么跑 怎么跑 路线图 贡献 执照 接触 致谢 关于该项目 这个项目只是我对Paper的实现,而不是正式发布,我们仅发布我们的仿真代码。 Other Code will be released soon 代码结构 我们发布了基本的代码结构,对于整个项目,您至少需要calib , segmentation , avp-bev , sync part等。avp-bev是该项目的核心部分之一,该结构如图所示: 如果您对此项目感兴趣,则可以遵循***.h文件来关联您的实现。 怎么跑 这个项目提供了一个凉亭世界。 因此,如果您想测试代码,则需要准备仿真世界。 该项目需要一个凉亭环境,通常加载凉亭模型需要很长时
2021-11-09 10:38:26 14.64MB bev semantic-mapping avp semantic-matching
1