- 博客(11)
- 收藏
- 关注
RSS订阅原创 风云四号B星FY-4B L1级别数据批量辐射定标经纬度转换裁剪生成图像脚本
FY4B 属于我国新一代静止轨道气象卫星系列（FY-4）的业务星，主要面向东亚—西太平洋地区进行高时频的全圆盘观测（Full Disk），常见下游产品就包括各通道的辐射计量化数据。和常见的“等经纬格网”（EPSG:4326）不一样，FY4B 的原始 Level-1/中间产品通常采用静止轨道标称投影（也可理解为以卫星星下点为中心的几何投影）。这意味着：文件里的像元是按“仪器扫描几何”排布的，并非规则的经纬网格；像素行列与真实经纬度之间的对应关系，必须靠几何模型或**地理查找表（GLT）**才能恢复出来。
2026-01-06 13:46:00
697
原创 UAV-Speed：基于 YOLO 目标跟踪与相机运动补偿的单目无人机车辆测速（二）——加权滑动平均速度优化
在前期工作中，我们实现了一套基于单目无人机视频的车辆速度估计算法框架，结合目标检测、目标跟踪与单应性背景补偿，在复杂斜视场景下实现了连续的目标速度估计，并在多段真实无人机视频中完成了验证。相关代码与实验配置已开源于 GitHub：👉在进一步实验过程中发现，采用固定系数指数滑动平均（EMA）的速度平滑策略，在检测噪声、几何不稳定或目标接近图像边缘时，仍可能出现局部速度波动。
2025-12-26 13:46:13
1031
1
原创 无人机光伏板热异常检测数据集
在光伏电站的实际运行中，组件长期暴露在强光、温差、风沙、湿度和机械应力等多重环境因素下，极易出现热点、隐裂、焊点失效、遮挡导致的局部过热等一系列潜在缺陷。这些问题往往难以通过可见光影像直接识别，但会在热成像中表现为异常的温度分布，因此热红外技术逐渐成为光伏巡检与运维中最重要、最直观的一类检测手段。借助红外传感器（地面测量或无人机搭载），可以快速获取大范围组件的温度场信息，对热点位置、热异常形态和潜在电气故障进行自动化诊断。
2025-12-10 20:13:55
828
原创 UAV-Speed：基于 YOLO 目标跟踪与相机运动补偿的单目无人机车辆测速
基于 YOLOv11 + BoT-SORT + 单应性（Homography）相机运动补偿的，面向实际巡检飞行。📦 项目地址（GitHub）：👉。
2025-11-29 15:11:31
1414
原创 无人机卫星遥感PV太阳能电板分割/检测数据集
该数据集是一个面向光伏板遥感分割任务的多分辨率数据集，联合了卫星、高空航空影像以及无人机正射影像三类来源，用于支持在不同空间分辨率下对光伏板的精细识别与分割研究。PV08：来自高分二号和北京二号等卫星影像，空间分辨率约0.8 m，既包含屋顶光伏，也包含地面光伏电站场景，适合研究中高分辨率卫星条件下的光伏板识别与大范围监测。PV03：来自航空摄影影像，空间分辨率约0.3 m，主要针对地面光伏场站。
2025-11-28 23:03:13
534
原创 AIDER面向无人机灾害场景识别的公开图像数据集
AIDER（Aerial Image Database for Emergency Response applications）是一套专门面向无人机灾害场景识别的公开图像数据集，所有图片都从空中视角拍摄，覆盖了火灾（fire）、洪涝（flooded_areas）、建筑坍塌（collapsed_building）、交通事故（traffic_incident）以及正常场景（normal）这五大类别。
2025-11-27 19:46:55
522
原创 无人机视角下的边坡滑坡检测：Hong Kong UAV Landslide/Damage 公开数据集分享与解读
在山地与道路巡检场景中，边坡滑坡往往具有突发性强、演化快、影响范围难以第一时间准确判定的特点。相比传统地面勘查或固定监测点，无人机具备机动灵活、覆盖范围大、可低空斜视获取细节等优势，能够在“日常巡检—灾害早期迹象—应急响应”全链条中提供高分辨率影像证据。尤其是斜视（oblique-view）航拍能更直观地呈现坡面裂缝、局部塌落、松散堆积体、植被扰动等与滑坡相关的关键表征，为后续的自动化识别（检测/分割）、灾害范围提取、危险等级判读提供数据基础。
2025-11-24 20:00:50
606
5
原创 为什么你的模型看不见小目标？试试 YOLO11-P2，这次真的有效！
在目标检测领域，YOLO 系列一直以“快、准、轻”著称。从最早的 YOLOv3 到 YOLOv8、YOLOv9，再到最新的 YOLO11，每一次迭代都在精度、速度与可扩展性之间寻找新的平衡。然而，随着无人机、边缘计算、移动终端等场景的兴起，我们开始面临新的挑战：如何在 极端受限的计算资源 下，依然保持稳定、精准的检测性能？这正是YOLO11-P2出现的背景。它是 YOLO11 系列中的一种轻量化结构变体，专为高分辨率小目标检测与低延迟实时推理场景优化。通过引入更浅层的P2 特征层。
2025-10-28 20:10:32
1294
5
原创 模型不是黑箱：Netron 让 YOLOv11 的每个算子“有图有真相”
当模型越训越大、导出链路越拉越长时，我们常常会卡在一个朴素却关键的问题上——我到底在跑一张怎样的网络？代码里到处是模块封装、配置继承与自动导出，权重文件（.onnx / .pt / .tflite …）能跑，但结构却像雾里看花：分支在哪里汇合？通道数是否按设计递增？下采样/上采样是否一致？这直接影响到我们解释模型、定位瓶颈与排查部署差异（如 PyTorch vs TensorRT）。基于这个需求，我决定用 Netron 把模型“摊开给自己看”。
2025-10-24 16:52:56
942
原创 VisioFirm——深度学习集成AI工具的自动标注平台
无论您是在为YOLO、SAM还是自定义模型准备数据集，VisioFirm都能通过其直观的Web界面和强大的后端，显著优化您的工作流程。在AI模型训练的数据 pipeline 中，高质量的标注数据已成为新的“瓶颈”。其技术核心通常包含一个强大的基础模型，例如基于SAM（Segment Anything Model） 的零样本分割引擎，能够根据用户的简单点击，瞬间勾勒出任何目标的精准像素级掩码。这种“AI打底，人工精修”的人机协同模式，使其成为任何需要处理图像数据的研究者与工程师不可或缺的效率利器。
2025-10-12 19:11:33
1659
原创 LabelStudio+MobileSam/Sam辅助分割标注
面对海量的图像分割标注任务，你是否渴望能找到一种方法，将标注效率提升数倍？Meta的Segment Anything Model (SAM) 正是这样一个答案，但其庞大的模型体积有时会带来部署上的挑战。本文将提供一个实用的解决方案：我们将一步步引导您，如何在功能丰富的LabelStudio平台上，集成高效的轻量级模型MobileSAM，搭建一套“指哪打哪”的交互式智能标注流程。通过本实践，您将能快速为自己的标注项目注入AI动力，实现点击即可生成高质量掩码的流畅体验。
2025-09-28 15:17:25
1220
无人机拍摄滑坡数据集，包含滑坡区域和堆集区域分割掩膜
2025-11-24
武汉大学本科-硕士-博士论文 LaTeX 模板
2025-10-25
AIDER无人机应急灾害数据集-灾害检测与快速响应模型训练资源
2025-10-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人