图像分割之实例和论文

标签：无分类：未分类创建时间：2025-01-06 03:21:11 更新时间：2025-01-17 10:39:23

1.耕地保护

参考文章:
【1】.基于无人机影像与卫星影像的种植区农作物精细分类方法和系统其特征在于，包括：S1，通过无人机获取种植区农作物的无人机影像，通过卫星影像获得种植区农作物的多光谱影像；S2，将无人机影像和多光谱影像进行数据融合，以获得同时具有高空间分辨率和多光谱信息的影像；S3，利用卷积神经网络进行农作物分类。
【2】.纵横股份发布空地一体化耕地保护解决方案这是一个商业广告
【3】.耕地遥感识别研究进展与展望 1.数据源，2.分类算法，3.时相选择，4.分类对象。
【4】.基于迁移学习的无人机影像耕地信息提取方法 1.数据获取与预处理。2.ＤＣＮＮ剔除线状地类。3.ＴＬＣＬＥ方法的耕地提取。4.ＥＣＬＥ方法耕地信息提取。
【5】.基于机器学习的遥感图像识别算法(kNN/SVM/CNN/LSTM) 我将利用四种机器学习算法在WHU-RS19数据集上进行遥感图像识别的尝试，这其中既包括传统的kNN和SVM，也包括近年来得到青睐的CNN和LSTM算法。

2.遥感图像分类

参考文章:
【1】.遥感图像分类与识别_知识点总结 1.遥感分类原理:计算机遥感图像分类是统计模式识别技术在遥感领域中的具体应用、遥感图像分类的主要依据是地物的光谱特征等、分类过程中人工参与程度通常将遥感影像分类方法分为监督分类和非监督分类两种、遥感图像分类常使用距离和相关系数来衡量相似度。

3.太阳能电池

参考文章:
【1】.基于YOLOv8深度学习的无人机视角高精度太阳能电池板检测与分析系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标分割无人机视角的高精度太阳能电池板检测与分析系统，通过深度学习技术，能够实时对画面中的太阳能电池板进行精确分割，并提供面积比例及尺寸信息，从而掌握电池板的准确分布情况，这对于确保安装精度、评估电池板布局以及监测覆盖面积等方面非常关键，而且对于优化太阳能电站的建设和维护也具有重要意义。

往期推荐

文章目录

微信公众号

广告位

诚心邀请广大金主爸爸洽谈合作

每日一省

isNaN 和 Number.isNaN 函数的区别？

1.函数 isNaN 接收参数后，会尝试将这个参数转换为数值，任何不能被转换为数值的的值都会返回 true，因此非数字值传入也会返回 true ，会影响 NaN 的判断。

2.函数 Number.isNaN 会首先判断传入参数是否为数字，如果是数字再继续判断是否为 NaN ，不会进行数据类型的转换，这种方法对于 NaN 的判断更为准确。

每日二省

为什么0.1+0.2 ! == 0.3，如何让其相等?

一个直接的解决方法就是设置一个误差范围，通常称为“机器精度”。对JavaScript来说，这个值通常为2-52，在ES6中，提供了Number.EPSILON属性，而它的值就是2-52，只要判断0.1+0.2-0.3是否小于Number.EPSILON，如果小于，就可以判断为0.1+0.2 ===0.3。

每日三省

== 操作符的强制类型转换规则？

1.首先会判断两者类型是否**相同，**相同的话就比较两者的大小。

2.类型不相同的话，就会进行类型转换。

3.会先判断是否在对比 null 和 undefined，是的话就会返回 true。

4.判断两者类型是否为 string 和 number，是的话就会将字符串转换为 number。

5.判断其中一方是否为 boolean，是的话就会把 boolean 转为 number 再进行判断。

6.判断其中一方是否为 object 且另一方为 string、number 或者 symbol，是的话就会把 object 转为原始类型再进行判断。

每日英语

Happiness is time precipitation, smile is the lonely sad.

幸福是年华的沉淀，微笑是寂寞的悲伤。