- 博客(7)
- 收藏
- 关注
RSS订阅原创 论文解读——Changer: Feature Interaction is What You Need for Change Detection
带读论文。该文献提出了一种基于特征交互的遥感变化检测新方法MetaChanger。通过将特征交互作为核心组件，设计了两种简单高效的交互策略：ChangerAD（聚合-分配）和ChangerEx（特征交换）。其中ChangerEx采用无参数的特征交换方式，在浅层进行空间交换、深层进行通道交换，有效提升模型性能。实验表明，该方法在多个数据集上优于现有技术，特别是ChangerEx在S2Looking数据集上达到66.20的F1分数。研究证明了简单特征交互的重要性，为变化检测提供了新的研究思路和基础框架。
2025-12-29 14:58:01
841
原创 变化检测入门必备：1.配置Open-CD环境
本文详细介绍了Open-CD深度学习环境的配置流程。主要内容包括：1）创建Python 3.8的Anaconda虚拟环境；2）安装CUDA 11.8和匹配的PyTorch 1.13.1版本；3）安装OpenMMLab系列组件（MMCV 1.7.1、MMEngine 0.7.4和MMSegmentation 0.29.1）；4）克隆Open-CD源码并安装项目依赖。文中提供了完整的安装命令、版本兼容性说明及验证方法，确保环境配置正确无误。配置过程强调版本匹配，特别针对Windows系统下的CUDA和PyTor
2025-12-28 16:57:28
733
原创 YOLOv5训练并预测自己的数据集
本文详细介绍了YOLOv5从数据标注到模型训练的全流程。首先使用LabelImg工具进行图像标注，说明了安装方法（通过Anaconda安装）和标注步骤，包括设置YOLO格式、快捷键使用等注意事项。接着指导如何配置data.yaml文件，要求图片和标签文件按规范目录存放。在训练环节，详细说明了train.py的参数设置和训练过程，强调epochs和batch-size的调整技巧。最后介绍了使用训练好的best.pt模型进行预测的方法，结果保存在runs/detect目录下。全文提供了完整的Windows系统下
2025-08-14 16:53:59
886
原创 YOLOv5环境配置
本文详细介绍了YOLOv5深度学习目标检测环境的配置流程，适合零基础用户。主要内容包括：检查电脑显卡配置、安装Anaconda3和PyCharm、创建虚拟环境并配置国内镜像源、安装CUDA和PyTorch、下载YOLOv5源码并安装依赖库、在PyCharm中配置虚拟环境，最后通过运行detect.py验证环境配置是否成功。
2025-08-08 22:15:53
1278
原创 Labelme水体提取及标签标注
如果输入labelme，弹不出上述框，可以尝试更新labelme版本，输入命令“pip install --upgrade labelme”即可。进入C:\Users\icd\.conda\envs\labelme\Lib\site-packages\labelme\cli里，将上述脚本存到python文件里，放在此文件夹里。编写一个Python脚本来遍历包含这些JSON文件的目录，并调用 labelme_json_to_dataset 函数来处理每个JSON文件。其次“文件”-“更改输出路径”。
2025-05-16 13:50:03
881
原创 ENVI5.6 批量处理GF-2/ GF-6/ GF-7
摘要：ENVI5.3在处理GF-2影像正射校正时报错"输入文件没有RPC信息"，而ENVI5.6可正常处理。建议使用ENVI5.6版本，通过安装AppStore和BatchProcessing工具包实现批量处理。处理流程包括：1)安装扩展工具；2)正射校正（需设置参数如GridSpacing为3.2）；3)图像融合（推荐选择第二种方法）。对于GF-7数据，需分别处理前后视影像，先进行正射校正和融合，再单独生成DSM和点云数据。不同版本ENVI对国产卫星数据的支持存在差异。
2025-05-16 13:41:44
2258
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人