- 博客(90)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 智慧InSAR专题———模拟数据实现现实场景异常形变点识别（项目讲解）
作者用到了两个公开数据集，博主之前没有接触过。因此，凭借这个机会对这些数据集作进一步了解。我觉得这个东西就有点扯淡，以一个多分类的光学预训练权重迁移到一个单通道的目标检测任务中，处理的东西还由RGB转变到了相位？这一定是不科学的（在我看来）。因此，在复现过程中，我并不会去考虑在大数据集上获取一个预训练权重.
2024-04-12 08:41:54
1334
3
原创 智慧InSAR专题———模拟数据实现现实场景异常形变点识别（论文解读）
InSAR，合成孔径雷达干涉测量，是一种具有高精度观测潜质的影像大地测量学技术之一。之所以说具备“潜质”，是因为InSAR的精度会受到成像过程中的路径延迟、数据处理过程中的解缠误差之类的影响，而无法达到预期的精度。这个问题并不新鲜，其实早在本世纪初，InSAR技术（尤其D-InSAR）初成体系时，就已经有许多学术大牛指出了这些问题。然而，指出也只是指出，直到现在任然没有一个团队或是个人，可以自豪的说：“劳资已克服了这些偏差，实现了无偏置的精密测量！
2024-04-01 17:12:22
2296
1
原创 ATMOSPHERIC PHASE SCREEN RECONSTRUCTION IN SAR INTERFOROMETRY USING ACGAN NETWORK（IGARSS，2023）
IGARSS 2023 - 2023 IEEE International Geoscience and Remote Sensing Symposium
2023-11-13 22:10:36
168
原创 InSAR形变监测方法与研究进展（朱建军，中南大学）
（1）首先，InSAR监测变形原理和卫星数据来源（2）其次，InSAR形变监测方法分类（3）最后，讨论InSAR研究难点。
2023-11-12 10:35:49
4548
原创 Atmospheric Effects on InSAR Measurements and Their Mitigation（Xiao-li Ding，2008）
Atmospheric Effects on InSAR Measurements and Their Mitigation
2023-11-09 09:35:17
221
原创 Time series analysis of InSAR data: Methods and trends（NASA，2015）
Time series analysis of InSAR data: Methods and trends
2023-11-07 14:59:38
476
原创 DBB Code Learning
1、提出一个CNNs的模块DBB替换网络中的常规卷积，该模块可以不以增加推理时间损耗为成本的提高精度；2、DBB包含六个分支及对应转换措施；3、鲁棒性高，在分类、目标检测及分割中都获得了较好的成绩。
2023-03-16 14:32:55
1247
原创 python实现二分类分割精度评价指标批量计算并保存为txt文件（F1、mIoU、recall、precision、accuracy）
from PIL import Imageimport osimport json# 获取四个值# TP：被模型预测为正类的正样本(预测道路且标签道路)# TN：被模型预测为负类的负样本（预测背景且真实背景）# FP：被模型预测为正类的负样本（预测道路但真实背景）# FN：被模型预测为负类的正样本（预测背景但真实道路）def get_vaslue(predict_folders_path, label_folders_path): # 加载文件夹 predict_fold
2022-04-12 21:39:50
2070
4
原创 Eigenfaces For Recognition学习笔记（持续更新）
文章目录人脸识别特征脸研究背景之前的主要方法：缺陷：研究成果及意义摘要引言相关工作PCA算法PCA 算法PCA特征脸PCA特征脸的代码编写SVM人脸识别特征脸研究背景1.人脸是社交领域最显著的特征2.罪犯识别，安保系统，图像电影特效等领域意义重大3.人脸特征维度高，受到姿态，光照，年龄等各种因素的影响，难度非常大之前的主要方法：1.通过自动或者半自动的方法来构建人脸的特征，比如用眼睛，鼻子，嘴巴，耳朵的一些局部特征或者相对距离来构建人脸特征2.一些古老的神经网络，比如联想网络来解决一些部分缺
2022-03-22 13:53:08
840
原创 批量生成GF说明xlsx及产品号txt
import osimport pandas as pddef writefilename2excel(folder_path, excel_path, txt_path): # 加载文件夹 folder = os.listdir(folder_path) file_list = [] # 文件名 satellite_list = [] # 卫星 sensor_list = [] # 传感器 longitude_list = [] # 中心经度
2022-03-19 16:35:44
426
原创 python实现批量修改文件后缀
import osdef renaming(file): ext = os.path.splitext(file) if ext[1] == '.jpg': new_name = ext[0] + '.png' os.rename(file, new_name)def batch_opera(folder_path): folder = os.listdir(folder_path) for file in folder:
2022-03-16 10:06:56
975
原创 VGG-Net论文学习笔记（含代码）
文章目录Very deeeo convolutional networks for large-scale image recognition历史意义摘要网络架构网络基础网络衍生网络特点1、堆叠kernel_size=3的kernel2、提出经典kernel_size=1的卷积代码复现Very deeeo convolutional networks for large-scale image recognition历史意义1、开启组小卷积时代（kernel_szie=3）2、作为后续分割网络架构的
2022-02-28 16:18:27
1079
原创 Alex Net 论文学习笔记（含代码）
文章目录ImageNet Classification with Deep Convolutional Neural Network历史意义AbstractIntroduction and datasetAlexNet's struction结构特点训练技巧SummaryImageNet Classification with Deep Convolutional Neural Network历史意义1、拉开卷积神经网络统治计算机视觉的序幕2、加速计算机视觉应用落地Abstract1、比赛数据集
2022-02-27 16:45:53
3504
1
原创 OpenCV学习笔记（持续更新）
Opencv的绘制函数线段绘制import cv2 as cvimport numpy as np# cv2.line(img,pts,color,thickness.linetype)# 参数说明# img待绘制图像（底板）# pts起点和终点# color颜色# thickness线条粗细(-1为填充，默认1)# linetype线形，默认8型def draw_line(): img = np.zeros((512, 512, 3), np.uint8) cv.
2022-01-20 14:03:10
3030
原创 CV in Transformer学习笔记（持续更新）
为什么在cv中研究Transformer研究背景Transformer在CV领域刚开始崭露头脚，Transformer提出后在NLP方向取得良好成果，其全Attention结构，不仅增强了特征提取的能力，还保持了并行计算的特点，可以快速的完成NLP领域内多数任务，极大推动其发展。但是，几乎并未过多应用在CV方向。在此之前只有Obiect detection种的DETR大规模使用Transformer，其他包括Semantic Segmentation在内的领域并未实质性应用，纯粹Transformer结
2022-01-19 21:34:41
2874
原创 torch学习笔记(6)——逻辑回归模型（自训练）
import torchimport torch.nn as nnimport numpy as npimport matplotlib.pyplot as plt# 逻辑回归（Logistic Regression）# LR是线性的二分类模型# y = f(wx+b) f(x) = 1/(1+e**-x) f(x)也称为Sigmoid函数或者Logistic函数# LR作用：将输入数据映射到[0,1]# 过程量分类采用“四舍五入，实现整体二分类# 线性回归是分析自变量x与标量y之间的关系
2022-01-14 15:22:20
687
原创 torch学习笔记(5)——autograd
import torchimport torch.nn as nnimport numpy as npimport matplotlib.pyplot as plt# autograd# fn1:torch.autograd.backward()自动求取梯度# 参数：tensors:用于求导的tensor；retain_graph:保存计算图；create_graph:创建导数计算图，用于高阶求导；grad_tensors：多梯度权重# fn2:torch.autograd.grad()自动
2022-01-14 15:21:05
747
原创 torch学习笔记(4)——torch的动态计算图
import torchimport numpy as npimport matplotlib.pyplot as plt# 计算图（Computer Graph）是用来描述运算的有向无环图# CG包括两个主要元素：结点（Node）、边（Edge）# Node表示数据# Edge表示运算# 如果想使用非leaf结点的梯度。则需要在反向传播之前调用.retain_grad（）# CG作用：方便梯度求取及反向传播# 案例# y = (x+w)(w+1)，则当w=1，x=2时，y对w的gra
2022-01-13 17:21:31
795
原创 torch学习笔记(3)——一元线性回归模型(自训练)
import torchimport numpy as npimport matplotlib.pyplot as plt# (一元)线性回归# 线性回归是分析一个变量与其他变量之间关系的方法# 求解步骤：1、确定model（y = wx + b）；2、选择Loss函数（MSE,交叉熵）；3、设置LR、求解grad用于更新参数w,b# w = w-LR*W.grad b = b-LR*b.grad# 案例# 设置训练参数lr = 0.1 # 学习率x = torch.rand
2022-01-13 14:53:14
393
原创 torch学习笔记(2)——tensor常见11种操作方式
import torchimport numpy as nptensor = torch.ones((3, 3))print(tensor)# tensor拼接# cat()将tensor按照维度dim进行拼接。tensors=张量序列。dim=要拼接的维度t_cat_0 = torch.cat([tensor, tensor], dim=0) # tensor在第0维度自拼接，第0维度相当于在（x,y）的x处拼接，因此输出为（6，3）print(t_cat_0, t_cat_0.sha
2022-01-12 22:00:40
1492
原创 torch学习笔记(1)——tensor常见19种创建方式
import torchimport numpy as np'''张量（Tensor）tensor是一个多维数组，他是标量、向量、矩阵的高维拓展，其中，标量是0维张量，向量是1维张量，矩阵是2维张量，RGB图像是3维张量.tensor共有三类创建方式：直接式、基于数值式、基于概率式'''# 1、直接式array = np.zeros((3, 3))tensor1 = torch.tensor(array) # array作为导入数据创建tensor，不共享idtensor2 = t
2022-01-12 20:21:21
3666
空空如也
Python实现最优路径连接线段
2021-04-01
有啥子办法可以在不退CV2环境下，创建LSD
2021-04-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人