- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算机视觉理论及其实现
Super-Resolution on Object Detection Performance in Satellite Imagery
探讨了超分辨率技术在卫星图像中的应用，以及这些技术对目标检测算法性能的影响。具体来说，我们提高了卫星图像的固有分辨率，并测试我们能否以比固有分辨率更高的精度识别各种类型的车辆、飞机和船只。使用非常深的超分辨率(VDSR)框架和自定义随机森林超分辨率(RFSR)框架，我们生成了2×、4×和8×的增强级别，超过5个不同的分辨率，范围从30厘米到4.8米不等。使用本地和超解析数据，然后使用SIMRDWN对象检测框架训练几个定制的检测模型。SIMRDWN将许多流行的目标检测算法(如SSD、YOLO)组合成一个统一的框架，用于快速检测大型卫星图像中的目标。这种方法允许我们量化超分辨率技术对跨多个类和分辨率的对象检测性能的影响。我们还量化了目标检测的性能作为一个函数的本机分辨率和目标像素大小。对于我们的测试集，我们注意到性能从30 cm分辨率下的平均精度(mAP) = 0.53下降到4.8 m分辨率下的mAP = 0.11。从30厘米图像到15厘米图像的超级分辨效果最好;mAP改进了13 - 36%。对于较粗的分辨率而言，超级分辨率的好处要小一些，但仍然可以在性能上提供小的改进。
1.8K00编辑于 2022-09-03 - 来自专栏开源部署
Red Hat Satellite 6：更好地管理服务器和云
不只是红帽企业级Linux管理员，甚至所有管理红帽云的人员，都会爱上Red Hat Satellite 6。 但对于红帽企业级Linux（RHEL）来说，最好的工具就是Red Hat Satellite--RHS。 来源： CODE 原文： http://www.zdnet.com/red-hat-satellite-6-comes-with-improved-server-and-cloud-management
1.9K20编辑于 2022-07-03 - 来自专栏半杯茶的小酒杯
自动驾驶硬件系统(十一)-Global Navigation Satellite Systems (GNSS)
一、什么是GNSS 全球导航卫星系统(Global Navigation Satellite System，GNSS)是能在地球表面或近地空间的任何地点为用户提供全天候的三维坐标、速度以及时间信息的空基无线电导航定位系统 北斗系统(Beidou Navigation Satellite System, BDS) 北斗卫星导航系统（Beidou Navigation Satellite System，BDS）是中国独立自主建设的一个卫星导航系统
1.2K10编辑于 2022-04-28 - 来自专栏计算机视觉理论及其实现
Semi-supervised learning-based satellite remote sensing object detection method for power transmissi
众所周知，随着电网的日益复杂，传统的输电塔人工测量方法已经失效，无法满足安全稳定运行的要求。尽管卫星遥感技术的发展为输电塔的高效稳定测量提供了新的前景，但仍有许多问题需要解决。由于恶劣的气候和成像设备的限制，遥感图像中的一些输电塔目标是模糊的，这使得生成数据集和实现高精度输电塔目标检测变得极其困难。为了进一步提高发射塔的检测精度，首次将基于暗通道先验的图像增强算法应用于遥感图像，提高了图像的可解释性。然后，考虑到增强图像中仍有一些传输塔无法手动标记，采用了一种基于伪标记的半监督学习方法来最大限度地利用现有数据。基于这一高质量的数据集，利用移动倒瓶颈卷积和可变形卷积构建了一个传输塔卫星遥感目标检测模型。最后，根据我国某地区的卫星遥感图像数据集进行了烧蚀和对比实验。实验结果表明，图像增强和半监督学习方法都能提高检测精度，与现有主流模型相比，该方法性能更好。
39210编辑于 2023-10-07 - 来自专栏杨焱的专栏
oCanvas 一款以对象的方式操作canvas
and its corresponding path function createSatellite (options) { // Create the path that the satellite strokeColor: pathColors[options.depth - 1] }); options.parent.addChild(path); // Create a new satellite ); satellites.push(satellite); // Create another satellite that will circle around this satellite if (options.depth < depth) { createSatellite({ parent: satellite, depth: options.depth + 1, distance: options.radius * 7, radius: options.radius / 1.5, x: satellite.origin.x * -1, y: satellite.origin.y
35830编辑于 2021-12-08 - 来自专栏喵叔's 专栏
TensorFlow学习笔记--自定义图像识别
给转换后的数据集起一个名字 运行命令后，pic文件夹下会出现五个新的数据文件，以 satellite_train_ 开头的训练据文件和以 satellite_validation_ 开头的验证数据文件 ':flowers, 'imagenet':imagenet, 'mnist':mnist, 'satellite':satellite } 准备训练文件夹 在slim文件夹下新建 satellite 目录、satellite/data（训练和验证数据文件夹）、satellite/train_dir（保存训练日志和模型文件夹）、satellite/pretrained。 =train --dataset_dir=satellite/data --model_name=inception_v3 --checkpoint_path=satellite/pretrained/ –train_dir=satellite/train_dir 在 satellite/train_dir 目录下保存日志和模型文件（heckpoint） –dataset_name=satellite、
1.3K10发布于 2020-09-08 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——地球静止卫星数据（GridSat-B1）提供了3个频道的数据：CDR质量的红外窗口（IRWIN）频道（接近11μm），可见光频道（接近0.6μm）和红外水汽
The geostationary satellite data (GridSat-B1) provides data from 3 channels: the CDR-quality infrared : "satellite_name", e.g. satid_0: GOES-13, satid_1: GOES-15, and satid_2: GOES-16. name (see notes) satid_1 String Satellite name (see notes) satid_2 String Satellite name (see notes) satid_3 String Satellite name (see notes) satid_4 String Satellite name (see notes) satid_5 String Satellite Magnusdottir, 2011: Globally gridded satellite (GridSat) observations for climate studies.
46810编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——NOAA CDR GRIDSAT-B1数据集介绍（静止卫星的全球红外测量的高质量气候数据）
The geostationary satellite data (GridSat-B1) provides data from 3 channels: the CDR-quality infrared : "satellite_name", e.g. satid_0: GOES-13, satid_1: GOES-15, and satid_2: GOES-16. name (see notes) satid_1 String Satellite name (see notes) satid_2 String Satellite name (see notes) satid_3 String Satellite name (see notes) satid_4 String Satellite name (see notes) satid_5 String Satellite Magnusdottir, 2011: Globally gridded satellite (GridSat) observations for climate studies.
49510编辑于 2024-02-02 - 来自专栏福大大架构师每日一题
文心一言 VS 讯飞星火 VS chatgpt （270）-- 算法导论20.2 5题
); i <= x; i++ { v.satellite = append(v.satellite, "") } v.satellite[x] x v.satellite[x], v.satellite[v.min] = satellite, v.satellite[x] } if v.u [getHigh(x,v.u)].satellite,"") } v.clusters[getHigh(x,v.u)].satellite for i := len(v.satellite); i <= x; i++ { v.satellite = append(v.satellite,"") } = 0 { copy(v.satellite[x:],v.satellite[x-1:]) } v.satellite[x] = satellite
21420编辑于 2024-05-31 - 来自专栏福大大架构师每日一题
文心一言 VS 讯飞星火 VS chatgpt （275）-- 算法导论20.3 2题
&Node{ Key: key, Satellite: satellite, Children: make([]*Node, 0), } } func (n *Node) Insert(key int, satellite SatelliteData) { if n.Key == key { n.Satellite = satellite } else { for _, child := range n.Children { child.Insert(key, satellite == veb.min && key == veb.max { // 清空卫星数据 if len(veb.satellite) > 0 && len(veb.satellite ) > key && veb.satellite[key] !
21520编辑于 2024-06-07 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——真彩色数据集Planet labs Inc. SkySat卫星在2015年为实验性的 “Skybox for Good Beta “项目，以及各种危机应对事件
Planet_Combined_Imagery_Product_Specs_December2017.pdf) and visit the [Planet Imagery and Archive] (Satellite azimuth angle over the collection (degrees). satelliteAzimuthAngleMean Double Mean satellite azimuth angle over the collection (degrees). satelliteAzimuthAngleMin Double Minimum satellite azimuth angle over the collection (degrees). satelliteElevationAngleMax Double Maximum satellite elevation angle over the collection (degrees). satelliteElevationAngleMean Double Mean satellite elevation angle over the
31710编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——多光谱/潘氏图像集包含了从原始12位数据上移的五个16位波段的图像。B、G、R和近红外波段的分辨率约为每像素2米，而Pan波段的分辨率约为0.8米
Planet_Combined_Imagery_Product_Specs_December2017.pdf) and visit the [Planet Imagery and Archive] (Satellite azimuth angle over the collection (degrees). satelliteAzimuthAngleMean Double Mean satellite azimuth angle over the collection (degrees). satelliteAzimuthAngleMin Double Minimum satellite azimuth angle over the collection (degrees). satelliteElevationAngleMax Double Maximum satellite elevation angle over the collection (degrees). satelliteElevationAngleMean Double Mean satellite elevation angle over the
28210编辑于 2024-02-02 - 来自专栏大魏分享（微信公众号：david-share）
如何有效地对Linux系统补丁进行管理 ？
红帽Satellite是一种系统配置及管理的整体解决方案，它能帮助用户比较容易的进行基础设施的部署，扩展及优化。 Satellite管理RHEL补丁 接下来，我们看一下，如何通过Satellite，对RHEL进行有效地补丁管理。 首先，登录satellite服务器： ? 登录satellite以后，可以整个数据中心RHEL主机的状态： ? 其中包括RHEL运行状态： ? Satellite可以与红帽官网补丁库进行通讯，实时下载红帽RHEL最新的补丁。 在Satellite中，可以看到针对数据中心使用的RHEL版本，红帽最新发布的安全升级动态： ? 别担心，satellite可以为客户给出建议。我们根据关键词搜索，搜索出来和安全相关的补丁： ? 进一步查询安全级别高的补丁： ?
6.8K60发布于 2018-03-22 - 来自专栏大魏分享（微信公众号：david-share）
IT运维之路-从标准化到自动化(第一篇)
红帽卫星的架构 红帽卫星的管理架构，分为两部分：Satellite Server、Satellite Capsule。 ? 我们知道RHEL的服务是基于订阅的。 但是，如果在一个比较大的数据中心，一个Satellite Server是远远不够的。 将Satellite Server放置在一个数据中心，如北京，它管理北京数据中心并负责订阅产品的下载。 软件生命周期，可以自定义，也可以参照Satellite默认的周期。 ? 总结：至此，笔者从架构角度介绍了Satellite的基本功能和内部一些架构。相信读者对此有了一定的了解。后续笔者会继续分享。
2K100发布于 2018-03-22 - 来自专栏Coding迪斯尼
VUE+WebPack前端游戏设计：实现物体的拖拽动态特效
(-50, -50, 100, 100) b.hp = 150 b.cost = 30 return b }, satellite2 (),satellite2(),castle(),castle2(),spacejunk()分别从assetsLib函数库中调用相关接口，导出对应的图片数据。 例如在satellite()函数中，它会从资源库创建一个卫星素材资源，并把它添加到building()函数返回的资源容器中，它创建的图片素材如下： 也就是说，代码语句new this.assetsLib.Satellite ') { console.log('build Satellite') return this.satellite() } if (buildingClass === 'Satellite2') { return this.satellite2() } if (buildingClass
1.3K30发布于 2018-07-19 - 来自专栏Coding迪斯尼
VUE+WebPack前端游戏设计:能量气泡的螺旋升腾特效
当我们在页面上拖拽一个卫星对象后，卫星会启动一个时钟，一旦时钟结束后，一个能量泡就能从卫星所在的位置飘出来，代码如下： satellite () { var b = this.building () b.addChild(new this.assetsLib.Satellite()) b.cache(-50, -50, 100, 100) b.hp = this.satelliteList[i] satellite.ticks += 1 if (satellite.ticks % satellite.energyFrequency === 0) { console.log('summonnEnergy') this.summonEnergy(satellite) ) { var pos = satellite.localToLocal(0, 0, this.effectLayer) console.log('in summonEnergy
99830发布于 2018-07-19 - 来自专栏疯狂学习GIS
全球卫星信息数据下载网站整理
9.3 UCS Satellite Database •网址[3]：https://www.ucsusa.org/resources/satellite-database#.XCcxUVAzbDd UCS Satellite Database是Union of Concerned Scientists下属的卫星数据网站，具有Excel、text等格式的太空卫星数据。 https://www.space-track.org/ [2] 网址: https://celestrak.com/ [3] 网址: https://www.ucsusa.org/resources/satellite-database
4.5K31发布于 2021-07-22 - 来自专栏AI SPPECH
140_卫星通信与导航系统安全分析与防护实战指南
目前全球主要的卫星导航系统包括： GPS (Global Positioning System)：美国研发的全球定位系统 北斗卫星导航系统 (BeiDou Navigation Satellite System )：中国自主研发的全球定位系统 GLONASS (Global Navigation Satellite System)：俄罗斯研发的全球导航卫星系统 Galileo：欧盟研发的全球卫星导航系统 QZSS (Quasi-Zenith Satellite System)：日本研发的区域导航卫星系统 1.2 卫星导航系统工作原理 卫星导航系统的基本工作原理： 卫星信号 → 信号接收 → 伪距测量 → 位置解算 calculate_position(satellite_data, receiver_time): # satellite_data: [(satellite_id, signal_time (satellite_id, position): """生成导航电文数据（简化示例）""" # 实际中包含星历、历书等精确信息 return { 'satellite_id
38110编辑于 2025-11-16 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——TRMM/34B2产品包含一个网格化的、经TRMM调整的、合并的红外降水（毫米/小时）和降水误差的有效值估计，时间分辨率为3小时，空间分辨率为0.25度。
In case of overlapping satellite observations, the two or more observation times are equal-weighting In case of overlapping satellite observations, the two or more observation times are equal-weighting Wolff, 2007: The TRMM Multi-satellite Precipitation Analysis: Quasi-Global, Multi-Year, Combined-Sensor Susskind, 2001: Global Precipitation at One-Degree Daily Resolution from Multi-Satellite Observations Keehn, 1995: Global Precipitation Estimates Based on a Technique for Combining Satellite-Based Estimates
36810编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine ——高级陆地观测卫AVNIR-2 ORI 产品10m分辨率
Advanced Visible and Near Infrared Radiometer type 2 (AVNIR-2) sensor on-board the Advanced Land Observing Satellite (0.76 - 0.89 µm) 1 255 * = Values are estimated 影像属性： Name Type Description CENTER_ALTITUDE Double Satellite CENTER_FRAME_NUMBER Double Frame number of scene center (0000 to 7198) CENTER_HEADING_ANGLE Double Satellite String Satellite name. "AABBBCDDDDDEEEE" * AA: Satellite code ("AL": ALOS) * BBB: Sensor code ("PSM": PRISM, "AV2": AVNIR-2)
29310编辑于 2024-02-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号