墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
6.4k累计阅读
6.5k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
AI摘要
本文介绍了遥感数据的概念、采集方式及其特点，探讨了基于深度学习的遥感信息提取任务类型，包括目标检测、地物分割及变化检测，并概述了遥感数据在军事侦察、环境保护、城市规划等领域的广泛应用。
近日，一则关于“谷歌从4月18日起以最大分辨率提供俄罗斯所有战略要地的高清卫星图”的消息，引发了广泛关注和猜测。虽然消息被谷歌否认，但然让我们感受到了高分辨率遥感影像在现代社会的威力。
谷歌地图在社交媒体上回应（图源：Twitter）
在谷歌地图上能够找到俄罗斯保密行政区维柳钦斯克地区核潜艇基地的高清卫星图片（图源：澎湃新闻）
今天，就让我们来聊聊遥感数据。
遥感（remote sensing）是指非接触的，远距离的探测技术。一般指运用传感器/遥感器对物体的电磁波的辐射、反射特性的探测。作为一种重要的对地观测技术，它为我们研究和理解地球表面提供了主要的数据来源。
目前遥感数据呈现出高中低分辨率、多光谱、高光谱、SAR、街景及LiDAR激光点云等多源数据共存的情况，为遥感监测及其他多领域应用提供了基本数据保障。
它们是如何产生的呢？
遥感目标检测数据集汇总
文章目录1. 光学数据集1.1 DIOR1.2 LEVIR1.3 DOTA1.4 RSOD1.5 NWPU VHR-101.6 VEDAI1.7 COWC1.8 ITCVD1.9 DIUx xView 20181.10 HRSC20161.11 TAS1.12 SZTAKI‐INRIA1.13 UCAS AOD1.14 DLR 3K Vehicle2. SAR2.1 SSDD2.2 SSDD+2....
手把手教你用Cesium实现酷炫的3D气象云图（附开源数据集获取渠道）
本文详细介绍了如何利用Cesium引擎和开源ERA5气象数据集，通过体渲染技术实现沉浸式3D气象云图可视化。内容涵盖从数据获取、预处理到编写高性能GLSL着色器的完整实战流程，并提供了关键的性能优化技巧，帮助开发者将二维气象数据转化为可交互的三维立体场景。
卫星遥感+AI实时林火监测系统设计与落地实践
卫星遥感是获取大范围地表热异常的核心手段，其原理依赖多光谱尤其是热红外波段对温度变化的敏感响应；结合深度学习目标检测与多源数据融合技术，可显著提升火点识别的时效性与鲁棒性。该技术价值在于突破传统人工盯屏瓶颈，实现从‘事后响应’到‘事中干预’的能力跃迁，广泛应用于森林防火、草原火情预警及城市电气火灾初筛等场景。本文聚焦wildfire detection在真实业务环境中的闭环构建，涵盖卫星影像预处理、YOLOv5s轻量化建模、边缘-云协同推理及预警指令生成等关键环节。
【数据分享】高质量全国全域单体建筑矢量（附带实测楼高字段16.4G ）文末附百度网盘下载链接
【150字摘要】2025年新版3D-GloBFPV4全国建筑矢量数据集由中外高校联合研发，覆盖1.7亿栋建筑，突破传统数据缺陷：基于机器学习反演真实高度（均方误差1.9-14.6米），全域无空白，含完整DOI认证。数据以SHP格式存储，适配CGCS2000坐标系，支持三维建模、微气候模拟等深度研究。相比OSM人工标注数据，该集具备自动化测算、学术溯源、即用性等优势，特别适合城市规划、防灾分析等场景。数据集已托管Zenodo平台，配套网盘下载链接。
基于Python+UNet的遥感图像语义分割毕设资源：95分项目实战拆解
语义分割是计算机视觉的核心任务，通过编码器-解码器结构实现像素级分类。UNet凭借跳跃连接融合浅层与深层特征，在遥感图像分割中能有效保留地物边界。PyTorch框架提供了灵活的模型构建与训练能力，结合交叉熵与Dice损失可缓解类别不均衡问题。这类技术广泛应用于土地利用分类、变化检测等场景。本文分享一份基于Python+UNet的遥感图像语义分割毕设资源，包含论文源码、部署文档和全部数据资料，已通过答辩并获95分，适合计算机、人工智能等专业在校生快速搭建可运行的遥感分割项目。
西北地区NPP遥感数据处理与生态评估实操指南
净初级生产力（NPP）是表征陆地生态系统碳固定能力的核心指标，其遥感反演产品如MOD17A3HGF，融合光能利用率模型与多源观测，具备时间连续性、空间一致性和通量塔验证基础。理解NPP的物理单位（g C/m²/yr）、质量控制（QC波段解析）及投影适配（Sinusoidal→Albers）是保障分析可靠性的前提。在生态脆弱区如西北干旱半干旱区，NPP数据支撑植被恢复潜力分级、时空趋势归因与驱动因子识别等关键任务。本文聚焦MOD17A3HGF产品本地化处理全流程，涵盖地理参考校验、像元值单位校正、Mann-K
【数据分享】高质量全国全域单体建筑矢量（附带实测楼高字段16.4G ）
摘要：2025年发布的3D-GloBFPV4全国建筑矢量数据集由中外高校联合研发，覆盖全国1.7亿栋建筑，采用机器学习反演真实高度（均方误差1.9-14.6米），解决了传统数据（如OSM）存在的层高缺失、轮廓不准等问题。数据集以SHP格式存储，配套完整DOI和学术论文，适用于三维建模、城市规划、防灾分析等场景。建议分区处理大数据量，并通过Zenodo平台获取（含永久DOI）。该数据显著提升了建筑信息的精度和可用性，尤其在城市研究中具有重要价值。
YoloV8目标检测实战：自建数据集训练与ONNX C++部署
目标检测是计算机视觉中最基础也最具落地价值的任务之一。其核心原理是通过卷积神经网络学习图像中目标的特征表示与位置回归，实现在复杂场景下的精准定位与分类。YoloV8作为当前工程性价比极高的检测模型，凭借anchor-free检测头与C2f结构，在精度和速度之间取得了良好平衡。在实际项目中，自建数据集的规模与质量直接影响模型上限，而通过迁移学习可以显著降低训练成本。训练完成后，将模型导出为ONNX格式，并借助ONNXRuntime在C++环境中高效推理，是实现工业级部署的常用路径。本文以坦克目标检测为例，完整
跨域迁移学习与YOLOv11在卫星遥感建筑物提取和变化检测中的应用
迁移学习解决的是源域与目标域数据分布不一致时的模型泛化问题。在卫星遥感场景中，不同传感器、不同时间、不同地域采集的影像差异显著，传统监督学习往往因标注数据稀缺而失效。YOLOv11作为新一代目标检测网络，通过多尺度特征融合与注意力机制，在遥感建筑物提取与变化检测任务中展现出较强的鲁棒性。结合跨域迁移学习，利用标注丰富的源域数据（如WorldView-3）训练模型，再适配到目标域（如Sentinel-2），能有效降低标注成本，提升模型对新区域的适应能力。本文围绕建筑物提取这一典型应用，分析了数据源选型、预处理
YOLOv8王者荣耀目标检测实战：数据集制作、训练调参与部署指南
目标检测是计算机视觉的核心任务，广泛应用于自动驾驶、安防监控和游戏AI等领域。YOLOv8作为新一代单阶段检测算法，通过C2f特征提取、解耦检测头和anchor-free机制，在检测精度与推理速度之间取得了良好平衡。数据集是训练模型的基石，YOLO标注格式采用归一化坐标描述目标框，合理的类别配置与训练参数直接影响模型收敛效果。以王者荣耀游戏画面为对象，检测英雄、小兵、防御塔等元素，既适合新手快速走通完整流程，也能迁移到赛事分析和直播理解等真实场景。围绕王者荣耀目标检测实战，从数据集结构、YOLOv8网络原理
Unity布娃娃系统 Ragdoll Mecanim Mixer使用
6. 选完之后，左键下面的hip等角色各个部位不松开鼠标，拖拽连接到上面Amature的各个部位，如图，下面所有部位都连接完之后，第二步点击Configure Selected Bones确认你的部位连接选择。要做一个布娃娃和动画混合的项目，这个插件是比较不错的，搜了一圈文章教程也是抄来抄去，抄的没有头没有尾，自己摸索着用了一下，记录使用过程吧。8. 之后就点击步骤7图一中的Create Ragdoll，会发现player结构发生变化，如图。4. 添加完脚本之后会显示你的player结构，如图。
快速了解GPU分布通信技术：PCIe、NVLink与NVSwitch
PCIe（Peripheral Component Interconnect Express）是一种高速串行计算机扩展总线标准，广泛用于连接计算机的各种硬件设备。PCIe4.0是目前较为先进的版本，提供了高达64GB/s的带宽。InfiniBand是一种用于高性能计算的高速互连技术，通过交换机在节点之间直接创建一个专用的受保护通道。InfiniBand适配器通过PCIe接口连接到CPU，另一端通过InfiniBand网络端口连接到InfiniBand子网。
安卓光速虚拟机ADB调试实战：从密钥配置到设备连接
本文详细介绍了在安卓光速虚拟机中进行ADB调试的完整实战流程。核心在于通过密钥配置解决设备未授权问题，并启用网络调试与端口映射，最终实现电脑与虚拟机的稳定连接。文章提供了从原理理解、脚本修改到实战命令和疑难排查的全方位指南，帮助开发者和爱好者高效利用光速虚拟机作为移动测试沙盒。
传感器：MQ-5燃气模块测量燃气值（底部附代码）
本篇文章介绍使用MQ-5燃气模块测量燃气值，CPU还是选择单片机，MQ-5主要使用的技术为ADC，燃气对于单片机来说是模拟信号，需要转换为数字信号，再经过相关计算公式将燃气模拟值转换成对应的燃气数值，便于人们方便查看。例如家庭使用燃气模块测量燃气值，如果燃气值超过一定的范围，可以外设一个报警装置，保证家庭的生命安全。（1）ADC（analog to digital converter）即模数转换器，它可以将模拟信号转换为数字信号。按照其转换原理主要分为逐次逼近型、双积分型、电压频率转换型三种。STM32F1
Labelme安装教程（附Anaconda安装教程）
本文详细介绍了如何安装Anaconda和Labelme，还提供了常见问题的解决建议。
Codex 100个真实案例 - 用AI做在线考试系统（自动组卷+防作弊）
本案例使用 Codex 从零搭建一个功能完整的在线考试系统。涵盖题库管理（单选/多选/判断/填空）、智能随机组卷、考试倒计时、自动判分、成绩统计分析、以及多维度防作弊机制（切屏检测、禁止复制粘贴、IP限制等）。前端使用 Vue 3 + Element Plus 构建考试界面，后端使用 Node.js + Express + MySQL 提供 API 服务。全程用自然语言驱动 Codex 完成开发，最终交付一个可直接部署的在线考试平台。
SAP 生产订单工序删除状态撤回简介
2、我们在前台对于生产订单的状态一个是在生产订单抬头中的状态，另外一个是针对上面一直在测试的是工序的状态，这个两个状态是前台可见的状态，实际生产订单还有一个组件物料的状态，这个状态是不可见的一个状态。生产订单中的0010工序中对应的组件的栏位被标识，表示有物料分配到了0010的工序中，正常情况下0010的工序被分配了工序是不应该被删除的。将已领料的工序删除掉，导致异常的发生。当物料已领料会，用户仍然把已分配的物料的工序删除掉，导致后续业务操作过程中产生异常，如下图中所示，0010的工序被打上了删除标识。
【APM】在Kubernetes中，使用Helm安装Grafana 9.5.1
Grafana是一款流行的开源数据可视化和分析平台，它特别擅长处理时序数据，即随时间变化的数据，因此在监控系统性能、应用程序指标、物联网（IoT）设备数据等领域有着广泛的应用。
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。
假人有限元模型
假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用
迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)
迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)
计算机控制技术及应用
《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
6万+
扫一扫
