第二天

<?xml:namespace prefix = st1 ns = "urn:schemas-microsoft-com:office:smarttags" />122<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

在酒店check-in之后,我们梳洗了一下,就愉快的跑出去看悉尼市内风光啦,当天下午的任务就是熟悉悉尼市内的环境和交通。

吃过午饭后,我们来到了市政大厅,对面就是著名的维多利亚女王大厦,其实没什么特别的,不过留影总归是要的。因为澳洲名牌商品的价格及款式都和上海差不多,没什么优势的,所以我缺乏shopping的热情,我可不愿意把价格一样款式大同小异的东西沉甸甸的背回上海。

接着,我们来到了著名的Darling Harbor,风很大,我们看到了无数船只,都是游览观光用的那种。帅哥美女们都躺在大片大片的木头椅子上晒太阳,光头男很多,大家很惬意的样子,感觉生活很悠闲的。还看到一个卖艺的白人男子,骑那种10多米高的自行车,表演扔火把呀什么的,挺有意思的。我们家xuebin凑过去给卖艺男照相,卖艺男就很高兴的大声吆喝,鼓励xuebin把他拍的酷一点。看完了Darling Harbor的各种人文景观之后,我们又到了唐人街。我对悉尼唐人街的印象不好,太乱了,还有很多拉客的中年妇女。有一家店门口竖着一张大牌子,上面写“别到我们店门口来拉客”,太搞笑了!我在唐人街里什么都没买,除了一张电话卡,买完电话卡就匆匆的离开了唐人街。感觉挺糟糕的,和我想象中的唐人街差别太大了,我以为会有他乡遇故知的场面呢,但是没有,只有一个50多岁的广东阿姨拼命拉我去店里吃饭,我反复告诉她我已经吃过了,她不相信,拼命拉。不知道美国的唐人街是怎样的,会不会美好一些呢?

从唐人街出来后,我们又去了circular quay,那里附近有著名的Harbor Bridge和悉尼歌剧院。在去往circular quay的车上,我们遇到了一个美国男子,热情的和我们攀谈,反复强调自己是美国人,然后又说自己到过中国多个城市,一直讲到下车。我们先观赏了Harbor Bridge,我们是傻孩子,居然想走Harbor Bridge,当天除了我和xuebin,只有一个白人男子和我们一样傻,三人一前一后在Harbor Bridge上走着。拍了很多照片,从不同角度往下拍,风很大,我们老开心的,傻乎乎的高兴着。从大桥上下来,我们就直冲悉尼歌剧院,在直冲歌剧院的路上又碰到了之前的那个美国男子,大家都很高兴,于是就合影了。xuebin和那男子的合影挺好,看上去彷佛苗条了;我和那男子的合影就好玩了,从长、宽、高各方面而言,我都是那老美的一半大小,哈哈,看得xuebin大笑不已。

歌剧院前的一片空地上正在举行网球娱乐赛,主办方请了一个专业的网球运动员到场,其他都是观众,大家都可以报名挑战那个运动员,无论输赢都可以拿到一样纪念品。我们看了15分钟,蛮有意思的,报名的什么人都有,男的、女的、老的、少的,穿裙子的、光脚的什么都有,有个老太太居然打的奇好,动作无比敏捷。

当时已经差不多晚上7点多了,歌剧院早就关门了,所以我们只在门口拍了一些照片。当著名的悉尼歌剧院离我如此近的时候,我心里并不激动,和看到金茂的心情没啥区别。而且歌剧院又老又旧了,夕阳下也显不出特别的美丽了。于是,我果断的打消了白天再来看歌剧院的念头。

晚上我们去了oxford street,那里有无数酒吧,人们热情的有点疯狂。我们挑了一家看起来还不错的海鲜小饭店吃晚饭,点菜是件难事,因为我们看不懂菜单,我随身带了文曲星,但是没用,就算每个单词都认识,也不能看懂菜谱。于是,热情的店主带领我们到厨师面前,厨师拿出一个盘子,把各种海鲜按照菜单上列出的数量依次放到盘子里,然后微笑着等待我们的答复,看看数量不少,我们就高兴的下单了。这一顿吃的很满足,大概是第一天很有新鲜感的缘故吧,觉得他们的海鲜做的不错耶。后来几天每次吃海鲜都感觉一般。

晚上10点左右回到酒店,一身疲惫,然后就洗洗睡了。

Darling Harbor的游船
Aussie01.jpg

市民网球娱乐
Aussie02.JPG

悉尼歌剧院的美丽侧影
Aussie03.JPG

悉尼大桥

Aussie04.JPG

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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