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
基于python的gdal读写遥感影像1.gdal介绍2.代码详解2.1读取数据2.2写入影像3.完整案例1.gdal介绍GDAL(GeospatialDataAbstractionLibrary)主要用来读取地理空间数据，现在的GDAL包并不是单独的GDAL，而是集成了GDAL和OGR的。OGR用于处理矢量数据。因此，GDAL既可以用来处理栅格也可以处理矢量文件。2.代码详解下面代码主要为读写tif的代码，图像其实就是一个二维矩阵，其他格式的遥感影像都可以参考。包括nc，hdf等等。2.1读取数据#调包fromosgeoimportgdalimportnumpyasnp打开影像：gdal.O
基于python的gdal读写遥感影像1.gdal介绍2.代码详解2.1读取数据2.2写入影像3.完整案例1.gdal介绍GDAL(GeospatialDataAbstractionLibrary)主要用来读取地理空间数据，现在的GDAL包并不是单独的GDAL，而是集成了GDAL和OGR的。OGR用于处理矢量数据。因此，GDAL既可以用来处理栅格也可以处理矢量文件。2.代码详解下面代码主要为读写tif的代码，图像其实就是一个二维矩阵，其他格式的遥感影像都可以参考。包括nc，hdf等等。2.1读取数据#调包fromosgeoimportgdalimportnumpyasnp打开影像：gdal.O
2021年最后一月，东软医疗向港交所再度递交招股书，联影医疗向上交所科创板市场提交IPO申请，代表着中国医学影像设备企业的“绝代双骄”，同时剑指资本市场。此次拟融资124.8亿元的联影医疗，拟发行估值已经超1000亿元，无疑将成为科创板医疗设备的龙头；参照联影医疗发行估值，东软医疗很可能将达到500亿元以上的市值，成为港交所医疗设备板块的新贵。两者踏入资本市场后，必将掀起医疗设备产业价值投资的新热潮，也必将推动中国医学影像设备行业更上一层楼，改写国内乃至海外的市场格局。外借五势能“绝代双骄”的时代机遇深挖未来中国医学影像设备企业的外部成长动能，《多肽链》认为有五大因素，能够支撑东软、联影们实现
2021年最后一月，东软医疗向港交所再度递交招股书，联影医疗向上交所科创板市场提交IPO申请，代表着中国医学影像设备企业的“绝代双骄”，同时剑指资本市场。此次拟融资124.8亿元的联影医疗，拟发行估值已经超1000亿元，无疑将成为科创板医疗设备的龙头；参照联影医疗发行估值，东软医疗很可能将达到500亿元以上的市值，成为港交所医疗设备板块的新贵。两者踏入资本市场后，必将掀起医疗设备产业价值投资的新热潮，也必将推动中国医学影像设备行业更上一层楼，改写国内乃至海外的市场格局。外借五势能“绝代双骄”的时代机遇深挖未来中国医学影像设备企业的外部成长动能，《多肽链》认为有五大因素，能够支撑东软、联影们实现
摘要本文讲解了39个数据集，关于高空卫星图和低空无人机航拍图像。本文汇总了25篇CVPR2020年和2021年的论文。本文详细介绍了这25篇论文的任务是什么，难点是什么，场景是什么。同时，本文在需要的地方解释了一些卫星图和航拍图的入门常识和前置知识，比如digitalsurfacemodel的含义。目前有许多研究生毕业论文是做CV这个领域的，模型创新十分困难，于是许多同学转而寻找场景创新。阅读本文，你可以了解到目前学界最优秀的学者在卫星图和航拍图这个领域是如何切入的，做什么任务的。通过看他们是如何寻找场景创新的，也许你就可以依葫芦画瓢，寻找到你的场景创新的灵感。祝各位研究生都能写出论文、顺利通
摘要本文讲解了39个数据集，关于高空卫星图和低空无人机航拍图像。本文汇总了25篇CVPR2020年和2021年的论文。本文详细介绍了这25篇论文的任务是什么，难点是什么，场景是什么。同时，本文在需要的地方解释了一些卫星图和航拍图的入门常识和前置知识，比如digitalsurfacemodel的含义。目前有许多研究生毕业论文是做CV这个领域的，模型创新十分困难，于是许多同学转而寻找场景创新。阅读本文，你可以了解到目前学界最优秀的学者在卫星图和航拍图这个领域是如何切入的，做什么任务的。通过看他们是如何寻找场景创新的，也许你就可以依葫芦画瓢，寻找到你的场景创新的灵感。祝各位研究生都能写出论文、顺利通
目录一、像素级精度问题1.结合多尺度特征1.1空洞卷积1.2转置卷积和跳跃连接1.3将边缘图集成到分割2.基于数据融合的策略2.1 结合几何和光谱信息来提高分割精度 2.2多种数据+多个网络结构2.3以某一数据作为辅助特征二、非常规数据分析1. 减少光谱数量2.无监督/半监督分割2.1关于自编码器的学习2.2关于无、半监督的示例论文 三、样本较少 1.数据合成、数据增广 2.半监督2.1半监督知识学习 2.2大佬的论文一、像素级精度问题关于解决像素级精度，一共可以分为3大类方法，如下图所示：后处理技术没有详细学习，后面用到了再学吧！下面对结合多尺度特征和基于数据融合的策略做一个详细介绍。1.结
目录一、像素级精度问题1.结合多尺度特征1.1空洞卷积1.2转置卷积和跳跃连接1.3将边缘图集成到分割2.基于数据融合的策略2.1 结合几何和光谱信息来提高分割精度 2.2多种数据+多个网络结构2.3以某一数据作为辅助特征二、非常规数据分析1. 减少光谱数量2.无监督/半监督分割2.1关于自编码器的学习2.2关于无、半监督的示例论文 三、样本较少 1.数据合成、数据增广 2.半监督2.1半监督知识学习 2.2大佬的论文一、像素级精度问题关于解决像素级精度，一共可以分为3大类方法，如下图所示：后处理技术没有详细学习，后面用到了再学吧！下面对结合多尺度特征和基于数据融合的策略做一个详细介绍。1.结
使用pyradiomics提取影像组学特征【详细】最近由于项目需求要使用pyradiomics提取影像组学特征，网上阅读了很多别人的博客，学到一些，然后去查看了pyradiomics的官方文档，最后自己实现了特征的提取，写下此文记录，方便日后查看。首先放上官方文档：https://pyradiomics.readthedocs.io/和pyradiomics源代码地址：https://github.com/AIM-Harvard/pyradiomics第一步、安装在已经安装好的Python环境下，执行：pipinstallpyradiomics第二步、提取特征通过自定义提取特征可以根据自己的需
