#多波段数据：data为[band,line,sample]#单波段数据：data为[line,sample]#data为要保存的数据importgdalresultname=“F:/result”driver=gdal.GetDriverByName(“ENVI”)#单波段dataset=driver.Create(resultname,line,sample,1,gdal.GDT_Float32)dataset.GetRasterBand(1).WriteArray(data)#多波段dataset=driver.Create(resultname,line,sample,band,gda

马云创业的各个阶段，都有意无意得到媒体的推波助澜，不光是影像，还留下了很多相关的文字报道。站在当时的角度，马云或许并不总是以一种成功人士的身份出现，但即便如此，他做事情也足够新潮、足够前卫、或者足够具有正能量。媒体对于类似的人或事，一向有着特别的偏爱。马云第一次登上有影响力的媒体，是在1993年。当时，《浙江日报》在一篇名为《相聚在英语俱乐部》的文章中报道了马云参与的英语俱乐部。作者婕妤在提到马云时写到“他是我所知道的最优秀的英语教师”[1]。马云在英文方面的实力和知名度，也直接促成了他人生第一次正式创业。1994年1月，由于很多人来请马云做翻译，马云（兼职）和英语俱乐部的几个朋友一起成立了海

  本文介绍基于ArcMap软件，利用时间滑块功能，对大量多时相栅格遥感影像数据进行动态显示，并生成视频或动图的方法。  首先，我们需要在ArcMap软件中新建一个镶嵌数据集，并将全部的多时像遥感影像数据放入该镶嵌数据集中。这一步骤在我们前期的文章ArcGIS中ArcMap创建镶嵌数据集、导入栅格图像文件并修改像元数值范围的方法（https://blog.csdn.net/zhebushibiaoshifu/article/details/124428977）中已经有了详细的介绍，本文就不再赘述。  完成上述步骤后，我们在刚刚建立好的镶嵌数据集处右键，选择“Open”→“AttributeTa

GitHub-likyoo/change_detection.pytorch:Deeplearningmodelsforchangedetectionofremotesensingimageshttps://github.com/likyoo/change_detection.pytorch这个框架用起来很方便，下载以后基本不用改什么，直接就可以用，下面做个简要说明1.下载数据，我下载了LEVIR-CD做测试 数据具体链接在这里LEVIR-CD|LEVIR-CDisanewlarge-scaleremotesensingbinarychangedetectiondataset,whichwou

GitHub-likyoo/change_detection.pytorch:Deeplearningmodelsforchangedetectionofremotesensingimageshttps://github.com/likyoo/change_detection.pytorch这个框架用起来很方便，下载以后基本不用改什么，直接就可以用，下面做个简要说明1.下载数据，我下载了LEVIR-CD做测试 数据具体链接在这里LEVIR-CD|LEVIR-CDisanewlarge-scaleremotesensingbinarychangedetectiondataset,whichwou

 1.获取校正过的Landsat 影像        在这里可以看到GEE提供的全部Landsat数据：LandsatCollectionsinEarthEngine | EarthEngineDataCatalog | GoogleDevelopers       随便点进去，比如Landsat8，有三个数据，一个是地表面反射率数据，一个是大气层顶部的反射率数据，一个是raw。大气层顶部的反射数据需要进行大气校正才可以得到地表反照率。而raw数据自带了一个simplecomposite函数可以一步实现大气校正+去云（但亲测效果真的很靠运气，而且不是很好）。所以我推荐直接用地表反射率数据，不必

 1.获取校正过的Landsat 影像        在这里可以看到GEE提供的全部Landsat数据：LandsatCollectionsinEarthEngine | EarthEngineDataCatalog | GoogleDevelopers       随便点进去，比如Landsat8，有三个数据，一个是地表面反射率数据，一个是大气层顶部的反射率数据，一个是raw。大气层顶部的反射数据需要进行大气校正才可以得到地表反照率。而raw数据自带了一个simplecomposite函数可以一步实现大气校正+去云（但亲测效果真的很靠运气，而且不是很好）。所以我推荐直接用地表反射率数据，不必

计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。那么首先第一点——为什么要学习计算机视觉呢？从他的应用上就可以明显的看出他的重要之处！计算机视觉应用的实例包括用于系统：（1）控制过程，比如，一个工业机器人；（2）导航，例如，通过自主汽车或移动机

计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。那么首先第一点——为什么要学习计算机视觉呢？从他的应用上就可以明显的看出他的重要之处！计算机视觉应用的实例包括用于系统：（1）控制过程，比如，一个工业机器人；（2）导航，例如，通过自主汽车或移动机

目录专题一：深度卷积网络知识详解专题二：PyTorch应用与实践（遥感图像场景分类）专题三：卷积神经网络实践与目标检测专题四：卷积神经网络的遥感影像目标检测任务案例【FasterRCNN】专题五：Transformer与遥感影像目标检测专题六：Transformer的遥感影像目标检测任务案例【DETR】专题七：深度学习与遥感影像分割任务专题八：深度学习下的ASL（机载激光扫描仪）点云数据语义分类任务的基本知识专题九：遥感影像问题探讨与深度学习优化技巧更多学习我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为