每周编辑精选|大模型有自己的 MBTI 数据集、成都理工大学搭建 SCDUNet++ 模型进行滑坡测绘

Faster-RCNN实现遥感图像滑坡识别 目录Faster-RCNN实现遥感图像滑坡识别操作指南数据集进行训练对数据进行测试数据集自己制作数据集 Faster-RCNN实现遥感图像滑坡识别 本代码参考github链接 操作指南 环境python+cuda+cuDNN+pytorch(还有其他一些杂七杂八的,报错提示有别的库没下就自己下一下) resnet预训练权重百度网盘地址:提取码vs9n 预训练权重文件放到model_data文件夹下 数据集进行训练 landslide_train.txt文件每一行记录了图片的相对路径,以及标识框的坐标,类别( 阅读详情

滑坡是最常见的自然灾害之一,通常由地震和降雨引发,由地震触发的山体滑坡所造成的破坏,有时会比地震本身造成的破坏更为严重。为此,成都理工大学搭建了 SCDUNet++ 模型进行滑坡测绘, 来帮助防治地质灾害。

该研究案例及其数据集可以在 hyper.ai 官网查阅和下载啦。

2 月 26 日-3 月 1 日,hyper.ai 官网更新速览:

  • 优质公共数据集:10 个

  • AI4S 论文案例:3 篇

  • 热门百科词条:10 条

访问官网:hyper.ai

公开数据集精选

1. SCDUNet++ 使用多通道遥感数据进行滑坡测绘数据集

此存储库是该论文的官方实现数据集:「基于混合 CNN-Transformer 网络的山体滑坡测绘和使用具有地形和光谱特征的遥感图像进行深度迁移学习 SCDUNet++ 实现」。

直接使用:

https://hyper.ai/datasets/29647

2. PAWS-X 释义识别跨语言对抗数据集

该数据集包含 23,659 个人工翻译的 PAWS 评估对和 296,406 个机器翻译的训练对,采用了 6 种类型不同的语言:法语、西班牙语、德语、中文、日语和韩语。所有翻译对均源自 PAWS-Wiki 中的示例。

直接使用:

https://hyper.ai/datasets/29264

3. CATSLU 中文音频文本口语理解数据集

CATSLU 是一个中文语音 +NLU 文本理解的对话数据集。该数据集来自第一届中文音文本口语理解挑战赛,包括测试数据集和结果、训练和验证数据集、基线和手册。

直接使用:

https://hyper.ai/datasets/29764

4. Machine Mindset MBTI 机器思维数据集

该数据集是研究团队为了训练出具有不同 MBTI 性别类型的大型语言模型提出构建的。这个数据集的发布对于大型语言模型 (LLM) 以及心理学领域有着独特贡献。

直接使用:

https://hyper.ai/datasets/29692

5. Age Detection-Face Recognition 年龄检测-人脸识别数据集

该数据集是来自不同年龄段的人的图像的集合,它是专门为年龄预测和面部识别任务而设计的。该数据集包含不同的人口统计数据、种族和性别。

直接使用:

https://hyper.ai/datasets/29695

6. Skin Types Dataset 油性、干性和正常皮肤类型数据集

该数据集包括油性、干性和正常等皮肤类型的图像,可用于分类和检测目的。

直接使用:

https://hyper.ai/datasets/29718

7. AI 生成的图像与真实图像

该数据集是来自两个不同渠道的图像集合:网络抓取和人工智能生成的内容。内容涵盖多个主题:人物、动物、肖像和风景。

直接使用:

https://hyper.ai/datasets/29657

8. 论文「预测糖尿病视网膜病变进展时间的深度学习系统」的示例数据

该数据集为论文「预测糖尿病视网膜病变进展时间的深度学习系统」的示例数据,包括论文中提供的源数据和研究团队为了复制论文的算法代码在 Zenodo 存放的一个最小数据集。该数据集公开用于科学研究和非商业用途。

直接使用:

https://hyper.ai/datasets/29716

9. 50 Types of Car Parts 50 种汽车零部件数据集

这是 50 种汽车零部件图像的数据集。它包括训练集、测试集和验证集。验证集和测试集各有 50 个种类的 5 个图像。图像尺寸为 224 X 224 X 3,格式为 .jpg。数据集中没有增强图像,所有图像都是原始图像。

直接使用:

https://hyper.ai/datasets/29796

10. Popular Names By Birth Year 1880-2022 美国 1880-2022 年出生的流行名字

该数据集包含美国从 1880 年到 2020 年出生的孩子姓名、性别以及给定年份的名称。该数据集考虑了孩子的出生年份、性别和在美国给孩子起名的流行程度。

直接使用:

https://hyper.ai/datasets/29784

更多本周更新数据集,请访问 :

https://hyper.ai/datasets

ScienceAI 论文案例精选

1. 迁移学习帮大忙!成都理工大学搭建 SCDUNet++ 模型进行滑坡测绘

成都理工大学的研究人员提出了一个名为 SCDUNet++ 的语义分割模型 ,该模型结合了卷积神经网络 (CNN) 和 Transformer 的优势,增强了对滑坡特征的识别和提取,性能优于 FCN, DeepLabv3+, Segformer 等其他 8 个深度学习模型。该成果已发表于「International Journal of Applied Earth Observation and Geoinformation」 。


查看完整报道:

https://hyper.ai/news/29672

2. 上海交大与清华联手发布 DeepDR Plus,仅用眼底图像可预测 5 年内糖尿病视网膜病变进展

上海交大与清华联手构建了基于时序影像序列深度学习的糖尿病视网膜并发症预警系统 DeepDR Plus,仅基于眼底图像便可预测糖尿病视网膜病变在 5 年内的进展。相关成果已发表于「Nature」期刊。

查看完整报道:

https://hyper.ai/news/29769

3. 自主研发!军事医学研究院团队提出 MIDAS,可用于单细胞多组学数据马赛克整合

军事医学研究院团队提出了一种用于单细胞多组学 (single-cell multimodal omics,scMulti-omics) 数据马赛克式整合(即不同数据集仅共享部分检测模态)及知识迁移的计算工具 MIDAS,基于自监督学习 (self-supervised learning) 和信息论方法 (information-theoretic approaches) 首次实现了通用的单细胞多组学马赛克数据的模态对齐、数据补全、批次校正等整合功能,为构建大规模多组学细胞图谱、实现大规模单细胞多组学分析与知识迁移提供了重要的原创技术。相关成果已发表于「Nature Biotechnology」期刊。

查看完整报道:

https://hyper.ai/news/29785

热门百科词条精选

1. Epoch

2. 类边界 Class Boundary

3. 概念漂移 Concept Drift

4. Transformer 模型

5. 再生核希尔伯特空间 Reproducing Kernel Hilbert Space

这里汇编了数百条 AI 相关词条,让你在这里读懂「人工智能」:

https://hyper.ai/wiki


以上就是本周编辑精选的全部内容,如果你有想要收录 hyper.ai 官方网站的资源,也欢迎留言或投稿告诉我们哦!

下周再见!

关于 HyperAI超神经 (hyper.ai)

HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区, 致力于成为国内数据科学领域的基础设施,为国内开发者提供丰富、优质的公共资源,截至目前已经:

  • 为 1200+ 公开数据集提供国内加速下载节点

  • 收录 300+ 经典及流行在线教程

  • 解读 100+ AI4Science 论文案例

  • 支持 500+ 相关词条查询

  • 托管国内首个完整的 Apache TVM 中文文档

访问官网开启学习之旅:

https://hyper.ai/

泥石流山体滑坡监控视觉识别检测算法 泥石流山体滑坡监控视觉识别检测算法通过yolov8+python深度学习框架模型,泥石流山体滑坡监控视觉识别检测算法识别到泥石流及山体滑坡灾害事件的发生,算法会立即进行图像抓拍,并及时进行预警。Yolo的源码是用C实现的,但是好在Github上有很多开源的TF复现。这里我们参考gliese581gg的实现来分析Yolo的Inference实现细节。我们的代码将构建一个end-to-end的Yolo的预测模型,利用的已经训练好的权重文件,你将可以用自然的图片去测试检测效果。Yolo采用卷积网络来提取特征,然后 阅读详情

相关推荐

2022(一等奖)D926刘家峡库区潜在滑坡InSAR识别与分析

同时,水库的修建打破了地质演化的自然规律,对两岸的地质地貌产生了一定的影响。本文利用Sentinel-1A升降轨数据,基于SBAS-InSAR技术监测刘家峡库区2019-2022年间的地表形变速率,结合Google Earth遥感影像识别刘家峡库区的潜在滑坡,根据地形因素、地质因素、水文因素、人类工程因素等12个静态因子联合PS-InSAR和SBAS-InSAR技术获取该地区地表二维形变动态因子并对潜在滑坡进行系统分析,分析该区域影响滑坡发育的主要条件,并对两处典型潜在滑坡进行时序分析及机理探究。

J_Giser的博客 1963

PaddleRS:利用卫星影像与数字高程模型进行滑坡识别

PaddleRS:利用卫星影像与数字高程模型进行滑坡识别

m0_63642362的博客 7005

滑坡识别及分类专家系统 (1993年)

本文描述了一个利用人工智能专家系统技术对铁路边坡发生滑坡进行识别和分类的系统。该系统将铁路滑坡专家在滑坡识别及分类方面的经验、知识存储于知识库中,利用模糊推理过程替代传统的隶属函数表述一因素之间关系的方法,完成对滑坡的识别和分类工作。

CMACD:首个融合用户个性特征(MBTI)和六种情感及微情感的强度标签的中文情感计算数据集。

2024-11-12,北京理工大学信息与电子学院和中国电子工程设计研究院有限公司共同创建了首个融合个性与情绪强度标签的中文情感计算数据集(CMACD)。这个数据集不仅填补了中文情感数据集的空白,还为心理学、教育、市场营销、金融和政治等领域的研究提供了宝贵的数据支持,推动了机器对复杂人类情感的识别能力。

u011559552的博客 1783

MBTI性格类型数据集.zip

Myers Briggs类型(或简称MBTI)是一种个性类型系统,它是世界上最受欢迎的性格测试之一。可将每个人在4个轴上划分为16种不同的个性类型: 内向(I)–外向(E) 直觉(N)–感觉(S) 思维(T)–情感(F) 判断(J)–知觉(P) 例如,一个 introversion, intuition, thinking 和 perceiving的 人将被标记为MBTI系统中的INTP,并且可以根据该标签来建模或描述此人的偏好或行为。 内容 该数据集包含8600多行数据,每一行都是一个人的数据。 用途 1.使用机器学习评估MBTI的有效性以及在线预测语言风格和行为的能力。 2.利用机器学习算法可以尝试根据他们所写的某些文本来确定一个人的性格类型。

全球山体滑坡数据集Global-Landslide-Catalog-Export.csv

全球山体滑坡目录(GLC)的开发目标是识别世界各地由降雨引发的山体滑坡事件,无论其规模、影响或位置如何。GLC考虑了所有类型的由降雨引发的大规模运动,这些运动在媒体、灾害数据库、科学报告或其他来源中都有报道。GLC自2007年以来在美国宇航局戈达德太空飞行中心进行了汇编。这是一个独特的数据集,在滑坡编辑器中的ID标签为 "GLC"。 Kirschbaum, D.B., T. Stanley, Y. Zhou (In press, 2015). Spatial and Temporal Analysis of a Global Landslide Catalog. Geomorphology. doi:10.1016/j.geomorph.2015.03.016.

中文大模型数据集

2、完成融合coig以及catslu数据的指令微调,在catslu测试数据集上效果验证domain acc=0.646,

weixin_36378508的博客 1101

基于深度学习CNN网络+pytorch框架实现遥感图像滑坡识别源码+数据集+训练好的模型(高分项目)

基于深度学习CNN网络+pytorch框架实现遥感图像滑坡识别源码+数据集+训练好的模型(高分项目)个人经导师指导并认可通过的高分毕业设计项目,评审分98分。主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者,也可作为课程设计、期末大作业。 基于深度学习CNN网络+pytorch框架实现遥感图像滑坡识别源码+数据集+训练好的模型(高分项目)个人经导师指导并认可通过的高分毕业设计项目,评审分98分。主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者,也可作为课程设计、期末大作业。 基于深度学习CNN网络+pytorch框架实现遥感图像滑坡识别源码+数据集+训练好的模型(高分项目)个人经导师指导并认可通过的高分毕业设计项目,评审分98分。主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者,也可作为课程设计、期末大作业。 基于深度学习CNN网络+pytorch框架实现遥感图像滑坡识别源码+数据集+训练好的模型(高分项目)个人经导师指导并认可通过的高分毕业设计项目,评审分98分。主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的

计算机视觉:基于YOLO的滑坡精准识别的方法分享(含MSTA-YOLO核心代码复现)

本研究提出了一种用于遥感图像滑坡检测的MSTA-YOLO模型,其核心创新包括:1)设计了多尺度特征提取的注意力机制RFA,通过ECA模块和分支结构实现特征增强;2)改进了损失函数和模型结构。RFA模块包含三个分支进行多尺度特征提取,并引入注意力机制优化特征融合。实验代码展示了RFA的实现细节,包括基础卷积模块、ECA注意力机制以及多分支特征提取结构,为遥感图像中的滑坡检测提供了新的技术方案。

wbk1669177085的博客 1127

论文阅读——Bayesian Knowledge Fusion(贝叶斯知识融合)

该篇论文解决了不确定环境中的信息融合问题。想象一下,有多位专家针对同一情况构建概率模型,我们希望汇总他们提供的信息。直接合并每个信息可能会遇到几个问题。例如,专家们可能不同意某个事件发生的概率,或者他们可能不同意两个事件之间因果关系的方向(例如,一个人认为 A 导致 B,而另一个人认为 B 导致 A)。他们甚至可能不同意概率网络中一组变量之间的整个依赖结构。

qq_64164071的博客 1499

STM32进入HardFault_Handler时,如何找到问题所在?

当STM32进入HardFault_Handler时,定位问题发生的点

m0_60831979的博客 2154

使用GEE下载全球山体滑坡数据集

此代码将导出一个名为'global_landslides'的GeoTIFF文件,并将其缩放到30米。还将数据集以地图中心为中心的10公里缓冲区域导出,并设置maxPixels参数以避免导出时超过内存限制。此代码将选择2007年至2023年期间的数据集,并根据地图中心筛选数据。2. 在左上角的搜索栏中输入“Global Landslide Catalog”并选择相应的数据集。3. 选择“地图中心”(Map Center)并缩放到您感兴趣的区域。6. 点击“运行”(Run)按钮以运行代码,并等待导出完成。

2301_77925375的博客 2440

告别手写代码!用Simulink给TI F28335 DSP自动生成C代码(保姆级环境配置)

本文详细介绍了如何利用Simulink为TI F28335 DSP自动生成C代码,告别传统手写代码的低效与错误。通过保姆级环境配置指南和实战案例,帮助开发者快速掌握模型驱动开发方法,大幅提升嵌入式开发效率,特别适合需要频繁修改算法参数或团队协作的工程师。

weixin_30388677的博客 419

复杂山地地区滑坡图像识别

这些特征包括滑坡造成的地形地貌、植被、水系及景观生态等的异常突变,以及滑坡体本身在形态、颜色、纹理等方面的变化。在复杂山地地区,滑坡是一种常见的自然灾害,其图像识别对于预防、监测和应对滑坡灾害具有重要意义。滑坡监测与预警:通过滑坡图像识别技术,实现对滑坡的实时监测和预警,为灾害预防和应急响应提供科学依据。数据处理与解释的不确定性:滑坡图像识别涉及大量的数据处理和解释工作,存在一定的不确定性和主观性。复杂地形的影响:复杂山地地区的地形地貌复杂多变,给滑坡图像识别带来了一定的难度。

xhlo521的博客 1206

海康Camera MVS Linux SDK二次开发封装ROS packge过程记录(c++)

https://www.hikrobotics.com/machinevision/service/download?module=0

weixin_41965898的博客 2万+

点云直线检测-3DLineDetection复现

点云直线分割-Fast 3D line detection

阁楼 8156

滑坡敏感性代码

https://github.com/scar-on/Landslide-susceptibility-mapping

zhangsikui的博客 1459

pdb文件删除杂原子 HETATM;保留或去除水分子

这样操作水分子也会跟着删除,如果需要保留水分子。

weixin_42357472的博客 2648

AI助力山体滑坡灾害预警,基于YOLOv10全系列【n/s/m/b/l/x】参数模型开发构建无人机航拍巡检场景下自然山体滑坡灾害智能检测预警系统

AI助力山体滑坡灾害预警,基于YOLOv10全系列【n/s/m/b/l/x】参数模型开发构建无人机航拍巡检场景下自然山体滑坡灾害智能检测预警系统

Together_CZ的博客 1519

【QT开发】web开发,内嵌网页展示和交互工具QWebEngineView类详解及实战应用

QWebEngineView 类为 Qt 应用提供了强大的网页展示和交互能力。通过合理运用其方法、属性和事件,能够创建出功能丰富、用户体验良好的网页浏览界面。在开发过程中,要注意处理常见问题,以确保网页的正常展示和交互效果。

科技改变人类,技术成就未来 2004

Agent Harness Engineering: AI Agent 执行管控与安全沙箱 原理与最佳实践

我们正站在计算范式转移的历史节点上。2024-2026 年间,AI 系统从被动的内容生成器(Generative AI)演变为主动的行动执行者(Agentic AI)。这一转变的根本特征是:根据 2026 年初的行业数据:然而,能力的提升伴随着风险的指数级增长。2024-2026 年间发生的多起标志性安全事件揭示了 Agent 系统的脆弱性:案例 1:Slack AI 数据外泄事件(2024 年 8 月)案例 2:制造业供应链攻击(2026 年 Q3)案例 3:Arup 深度诈骗案(2026 年 9 月)这

AI天才研究院 1673

滑坡灾害识别与监测:基于YOLOv10n-WFU模型的智能检测系统

本文提出了一种基于改进YOLOv10n的滑坡灾害智能检测系统(YOLOv10n-WFU)。针对传统滑坡监测方法效率低、成本高的问题,该系统创新性地设计了WFU模块,通过加权特征融合增强多尺度特征提取能力,显著提高了滑坡检测精度。实验结果表明,该模型在保持实时性的同时,mAP指标达到88.9%,优于主流目标检测算法。系统采用分布式架构,支持多源数据接入和实时预警,已在实际应用中成功预警多起滑坡灾害。未来研究将重点解决小目标检测、遮挡问题和时序分析等技术挑战,进一步提升系统性能。

AAD55588899的博客 831

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

运用Faster RCNN、YOLO经典目标检测算法对滑坡图像进行检测

本次实验采用的操作系统为Ubuntu16.04平台,编程环境基于Python,GPU为NVIDIA GeForce 740m,在基于深度学习框架CAFFE下进行实验。 实验输出结果

AngeliaZ 2690

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

基于YOLOv11的山体滑坡检测分割模型

基于YOLOv11的山体滑坡检测/分割模型

qq1309399183的博客 930

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

基于InSAR、CNN的滑坡监测(一)

结合SAR数据、光学影像,将深度学习框架用于滑坡监测

Darkangel666999的博客 3305
上一篇: 【ScienceAI Weekly】闷声发大财!英伟达医疗业务创收 10 亿美元;马斯克:首位人类脑芯片受试者或已康复
下一篇: 准确率达 91.74%!东南大学提出光伏电池缺陷检测模型,首次引入神经结构搜索
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值